入门 / JevModel
Jev 怎么用:分步教程
学会使用 Jev 模型:在 Playground 试用,编写 Choice、Score、Noul 问题,读懂概率,再调用 Jev API 并批量处理。
最近更新:
直接回答
- Jev 回答关于一份 state 的有边界问题。提供证据、列出可能的答案,再由代码根据返回的标签、分数或概率执行动作。
- 先在 Playground 免注册跑一次真实判断;验证邮箱后每天免费 5 次,再把同样的请求迁到 API。
1. 在 Playground 运行第一个判断
打开 Jev Playground,选择客服分流模板,把示例换成自己的一句话,例如“这个月被扣了两次费”,点击判断。中间面板会显示选中的队列及概率。第一次运行无需账号,可以看到完整流程:输入一份 state,返回一个类型化答案。
第一次运行 Jev 判断2. 编写 state:给证据,不给答案
state 是 Jev 判断的对象,可以是纯文本、JSON 对象或 JSON 数组,最长 8,000 字符。只放会影响判断的事实,例如消息原文、客户套餐或订单状态。不要在 state 里暗示答案,并去掉不需要的密钥或个人信息。字段名清晰的 JSON 对象,往往比一长段文字更容易被模型利用。
Choice、Score 与 Noul{
"message": "I was charged twice this month and need a refund.",
"plan": "Pro",
"open_tickets": 0
}3. 按判断类型选择问题
答案是几个具名选项之一时用 Choice,例如工单交给哪个团队;答案是有序量表上的等级时用 Score,例如 1 到 4 级的紧急程度,每个等级写一条标准;判断一个是非命题时用 Noul,例如“需要立即人工复核”,读取其成立的概率。每次请求可对同一份 state 提出 1 到 8 个问题,一起执行。
Jev 提示词与问题示例4. 阅读概率并设定阈值
Jev 返回的是概率,不是保证。Choice 选中 billing 且概率 0.92,表示在你的选项定义下模型明显偏向 billing,并不代表 92% 的准确率。在代码里规定每个区间怎么处理:高于阈值自动执行,模糊区间交给人工,全部记录日志。用自己的标注样本(包括模糊样本)调整阈值。
Jev 概率、置信度与人工复核阈值评估 Jev 工作流5. 调用 Jev API 并扩大规模
验证邮箱后在 Console 创建 API 密钥,从服务端把同样的 state 和问题 POST 到 /api/v1/systemone。每个 UTC 日前 5 次成功运行免费,之后按输入 Token 从余额扣除。要给文件分类,把 CSV、TXT 或 JSONL 上传到 Batch;要串联多个问题,保存为决策 Flow 并一次请求运行。
JevModel API:请求与响应Jev API 批量文本分类:CSV 与 JSONLJev AI 决策流与人工复核分支curl -X POST https://jevmodel.app/api/v1/systemone \
-H "Authorization: Bearer $JEVMODEL_API_KEY" \
-H "Content-Type: application/json" \
-d '{"state":"I was charged twice this month.","questions":{"review":{"type":"noul","instructions":"Should a billing specialist review this now?","criteria":{"true":"A specialist should review it now.","false":"No immediate review is needed."}}}}'常见错误
选项含义重叠会让 Choice 结果不稳定,请给每个选项明确定义,并加上“其他”或“需人工复核”选项。让 Jev 写文字是行不通的,它只返回标签、分数和概率。校验错误通常是因为问题 ID 含大写字母、instructions 少于 8 个字符,或 Choice 少于 2 个选项。一次运行成功不代表可靠,要测试清晰、混合和对抗性案例。
Jev vs GPT 与 Claude:如何选择判断层常见问题
使用 Jev 需要写代码吗?
不需要。在 Playground 运行判断、在 Batch 给文件分类都不用写代码;只有从自己的应用调用 API 时才需要代码。
Jev 可以免费用吗?
在 JevModel 上,每天可免注册运行 1 次,验证邮箱后每个 UTC 日免费成功运行 5 次,超出部分使用 Token 余额。
Jev 能生成文字或聊天吗?
不能。Jev 是判断模型,只对你定义的问题返回类型化答案。回复和摘要请使用文本生成模型。
JevModel 为独立项目,与 TypeSafe AI 无关联。