ARTICLE · 1049387
什么是Jev?它将替代软件系统里大量的 if/else + 分类器 + LLM 判断
什么是Jev?它将替代软件系统里大量的 if/else + 分类器 + LLM 判断Jev 被 TypeSafe 称为System One Model（系统一模型）。核心特点：它不生成文本、不聊天、不写作文，只做结构化判断决策，输出选项、分数、0‑1 概率 + 置信度，直接给程序使用，几乎没有幻觉。 传统 LLM 是 “生成文字再解析 JSON”；Jev 直接输出结构化结果，速度最高比通用大模型快上百倍，成本低很多，输出 token 免费，只有输入计费。 典型场景：工单分类、意图识别、消息风险过滤、Agent 内部分支判断、路由分发、内容打分、真假校验Redblink。 接口地址：https://api.typesafe.ai/v1/systemonejevlab.org模型名：jev‑latest 请求体示例： 返回示例（结构化 JSON）： Vercel AI SDK 原生支持 Jev LangChain 已有 Jev 集成组件 JevHarness，用来搭建 Agent 快慢分工架构：Jev 做快速决策，大模型负责复杂规划生成LangChain。 官网：typesafe.ai，注册拿 API Key，赠送免费 token 额度，可以网页简单测试。 不要把 Jev 当聊天模型，不能问开放式问题 “告诉我该怎么做”，必须拆成结构化小问题。 做好 State Engineering：state 只放判断必需上下文，不要堆砌海量无关文本。 一次 API 调用可以并行跑多个判断，这是它性能优势来源。 输出自带每个选项概率分布，可以根据置信度做降级：置信低就把任务交给普通 LLM 处理。 例如： 所以你可以把 Jev 理解成： 传统程序： Jev：
1. 什么是Jev
2. Jev 的调用方式
三种提问类型（只能这三类）
Choice：多选一，给定候选列表，返回选中项 + 全部选项概率分布（最多 255 个选项）
Score：打分，给定标尺，输出分数值
Noul：输出 0~1 的概率，表达 “这件事多大可能成立”（类似 Yes/No 概率）
适合 AI Agent 内部高频小判断；不适合写文案、聊天、创作。
方式 1：官方 API 调用（标准）
{”model”: ”jev-latest”,”state”: ”用户：我被重复扣款，请马上退款”,”questions”: {”dept”: {”type”: ”choice”,”options”: [”退款财务”,”技术故障”,”销售咨询”]},”urgency”: {”type”: ”score”,”scale”: [0,1,2]},”want_refund”: {”type”: ”noul”,”instructions”: ”用户明确提出退款诉求”}}}
{”dept”: {”choice”: ”退款财务”,”probabilities”: {”退款财务”:0.96,”技术故障”:0.03,”销售咨询”:0.01},”confidence”:0.96},”urgency”: {”score”:2,”confidence”:0.92},”want_refund”: {”probability”:0.98,”confidence”:0.98}}
方式 2：SDK 集成
方式 3：在线 Playground 体验
关键使用原则（很容易踩坑）
3. 放进 Spring Boot 会很合适
if (”return”.equals(result.getBusinessType())) {createReturnOrder();}if (result.getNeedHuman() > 0.8) {assignToHuman();}
业务数据↓一大堆 if / else↓业务决策
业务数据↓Jev↓Choice / Score / Probability↓Spring Boot 执行业务逻辑