应用场景 / JevModel
用 Jev 进行客服分流
分类客户消息,并判断何时交给人工。
最近更新:
把主题与紧急程度分开
用 Choice 判断所属队列,再用独立的 Score 判断紧急程度。支付投诉属于账单问题,但未必紧急;生产故障则可能需要立刻升级。只用一个宽泛标签容易掩盖这种差别。
运行队列与紧急程度示例
验证邮箱后,在 Console → API keys 创建密钥。将下方 JSON 发到 POST https://jevmodel.app/api/v1/systemone,并设置 Authorization: Bearer YOUR_JEVMODEL_KEY 与 Content-Type: application/json。两个独立问题使用同一份状态。队列名称与紧急等级仅为示例,应按实际团队和升级规则修改。密钥只放在服务端。
{
"state": "Our payment page is failing for every customer and orders have stopped.",
"questions": {
"queue": {
"type": "choice",
"instructions": "Which team should handle the reported problem?",
"criteria": {
"billing": "Individual charges, refunds or invoice corrections.",
"technical": "Broken application behavior, API failures or outages.",
"review": "Unclear, mixed or unsupported requests needing human triage."
}
},
"urgency": {
"type": "score",
"instructions": "Rate operational urgency using the ordered levels.",
"criteria": [
"Routine request; normal support response is sufficient.",
"A user is blocked; review during the current support shift.",
"A widespread outage stops core operations; escalate immediately."
]
}
}
}分流前先阅读信号
成功响应中检查 data.answers.queue 与 data.answers.urgency。示意队列结果可能选择 technical,并给出 technical: 0.86、billing: 0.09、review: 0.05;这并非真实调用记录,也不表示有 86% 的正确率保证。Score 可以落在量表等级之间,并非天然的 0–1 数值。紧急程度与队列选择分别处理,依据已标注工单确定动作阈值。
设计安全的回退路径
如果选项概率接近,或消息包含风险信号,应交给人工。让原始消息跟随工单,并统计自动分流被后续纠正的比例。
检查积压工单,再建立流程
在 Console → Batch 用 CSV、TXT 或 JSONL 输入检查逐行答案,再导出 CSV。在站外将答案与复核人员标签对齐;Batch 不会自动计算标注准确率。在 Console → Flows 从客服模板开始,修改问题并把不确定结果连接到人工复核出口。出口只是返回值:创建工单或通知人工仍由你的应用完成。只有流程路径上的问题会执行并计费。Flow 需要 Token 余额(注册赠送的 Token 也可用):经过的问题按实际输入 Token 扣费,后续节点失败不会退还已成功节点的费用。免费账户可保存 1 个 Flow,任意购买后不限数量。
运行独立 Choice 示例
下方 GitHub support-triage 目录提供虚构账单投诉、Choice 请求与示意响应。在仓库根目录运行命令;设置 JEVMODEL_API_KEY 后加 --live 才真实调用一次。检查 data.answers.queue.choice 与返回的概率;不确定或不熟悉的类别交人工。示例不创建工单、不退款。
Jira Issue 智能分类:用 Jira Automation 和 Jev 自动给工作项打标签如何用 JevModel API 分类文本Jev 概率、置信度与人工复核阈值Jev AI 决策流与人工复核分支JevModel API:请求与响应评估 Jev 工作流Zendesk AI 工单分类与分流:内置 Intelligent Triage 与自定义分类器怎么选n8n Text Classifier 节点:内置分类 vs 在工作流中调用 JevZapier 文本分类:AI by Zapier Classify vs Vertex Classify Text vs HTTP → JevMake.com Categorize Text:AI Toolkit vs HTTP → Jev(类型化标签与置信度阈值)产品与客服文本的意图分类:规则、LLM 与类型化 API用 AI 做邮件分类:入站邮件该用规则、LLM 提示还是类型化决策 APIPower Automate 文本分类:AI Builder 类别模型 vs HTTP → JevPipedream 文本分类:Hugging Face 动作 vs HTTP → Jev(类型化标签)Slack 消息分类:用 Events API 和 Jev 给频道消息分流用 AI 自动给 GitHub Issue 打标签:调用 Jev 的 GitHub Actions 工作流node quickstart/node.mjs support-triage
# Or: python quickstart/python.py support-triageJevModel 为独立项目,与 TypeSafe AI 无关联。