Zapier 文本分类：AI by Zapier Classify vs Vertex Classify Text vs HTTP → Jev

在 Zapier 里，分类通常是分流步骤：把入站字段（工单正文、表单答案、聊天记录）规整后，让模型从短标签列表里选一个，再在写入 Zendesk、Slack 或 CRM 之前用 Paths/Filters 分支。文档里常见两条路径：(1) AI by Zapier + Classify 提示模板与结构化输出字段；(2) 已有 GCP 项目时用 Google Vertex AI 的 Classify Text。第三条是 Webhooks by Zapier 或 HTTP/自定义请求，POST 到 JevModel 这类外部决策 API。任何路径都不能替代用自有流量做的标注 holdout。

按 Zapier Help，AI by Zapier 可手写提示或选用 Classify 等分类模板，选择模型档位——Standard（1× 任务）、Advanced（3×）、Premium（5×，新步骤常默认）、或 Bring Your Own Key（1×，用自有提供商）——并定义 Output Fields 供后续步骤映射。支持 OpenAI、Anthropic、Google Gemini、Azure OpenAI、Amazon Bedrock。Zapier 提供的模型默认开启内容审核。优势：编辑器内快速编写、发布前 Preview、不必离开 Zapier 换模型。边界：每次运行知识重置（跨次不学习）；跨提供商可校准的置信度不是一等产品契约；决策 schema 留在本 Zap 字段里，除非你复制到别处；Advanced/Premium 的任务乘数在高量下很贵。在自有工单上测精确率之前，把模板输出当作“提示塑形的 JSON”。

Zapier 的 Vertex 指南描述 Classify Text 动作：映射 Text、列出 Categories、选择 Google Cloud Project ID，Model Region 默认 us-central1（除非组织要求其他区域）。可选 Advanced Fields 暴露 LLM 参数。文档用例包括垃圾检测、情感、主题与内容审核。这条路径把分类绑到你的 GCP 计费与 IAM，而不是 Zapier AI 的任务乘数。它仍返回类别式答案供 Paths 分支，不会给你可在非 Zapier 应用复用的 Choice/Score/Noul 契约。安全已批准 Vertex、希望分类留在 Google 栈内时优先考虑。

下表对比工作流形态与决策契约，不是营销准确率。任何置信度都要在自有标注样本上校准。

标签少且稳定、误分流代价低、自动化已全在 Zapier、主要需要编辑器内字段映射时，用 AI by Zapier Classify 或 Vertex Classify Text 即可。写清类别名（AI by Zapier 在提示里写描述），保留 Other/模糊 Path，用真实样本 Preview，并把模型档位或 Vertex 区域记入每次路由日志。AI 支出已在 GCP 记账时优先 Vertex。

常见模式：Trigger → Formatter/Code 把正文规整为 state → Webhooks by Zapier POST（或其他可发 HTTP 的动作）到 JevModel /api/v1/systemone（Choice 2–12 标签，可选 Score/Noul）→ 按所选标签与分数类字段做 Paths/Filters → 高置信路径才写系统 → 否则进人工复核。密钥放 Zapier Credentials / 已连接账户，不要写进字段映射或提交到 git。注意产品预算：校验后 state 约 8000 字符、每请求 1–8 题、已验证免费账号每 UTC 日成功次数为 5。JevModel 经 OpenRouter 托管 typesafe/jev-1.13；与开发 Jev 的 TypeSafe AI 相互独立；本站非多模态、不分发可下载权重。

// Illustrative only — map fields in the Zap editor; keep secrets in Credentials.
POST /api/v1/systemone
{
  "state": "Customer asks for a refund on order #1842 after late delivery.",
  "questions": [
    {
      "id": "route",
      "type": "choice",
      "prompt": "Support route",
      "labels": ["billing", "shipping", "product", "other"]
    }
  ]
}

无论你解析 AI by Zapier 的自由置信度字段、信任 Vertex 分数，还是使用 Jev 的 Score/Noul，都要在标注样本上校准后再自动改工单。实用策略：高于高带自动落地安全标签；中带进人工队列并附带模型 top 标签；低于下限强制复核。先接中/低 Path，再连写入。厂商数字在自测前都是弱信号——见 confidence-and-abstention 与 support-triage。

1）冻结带边界样例的标签词典。2）明确未匹配走 Other 还是丢弃。3）按复用、GCP 合规与弃权需求选择 AI by Zapier、Vertex 或共享 Jev API。4）密钥只放 Credentials。5）每次改模型/档位/提示后在 holdout 上测精确率/召回率。6）破坏性动作必须过阈值并保留人工 Path。7）未实测前不要声称排名或准确率提升。