Jev模型0.1a0插件发布,意图识别置信度高达0.99

意图识别置信度 0.99。Jev 模型新插件把大模型变成了填空题，接活时的工单分类和意图判断再也不用手写复杂提示词了。

它把非结构化文本直接映射成 JSON 格式的概率值或选项。你下半年用 agent 跑长任务或者处理客户反馈，等待感和解析成本会明显变短，接外包时处理杂乱需求的效率能翻倍。

三种结构化输出专治接活痛点

Simon Willison 在原帖中展示了 llm-typesafe 0.1a0 插件的具体用法。这个插件为 LLM 工具添加了对 TypeSafe AI 新 Jev 模型的支持。对于靠 AI 接活的设计师和创作者来说，最头疼的就是客户发来一堆语音或杂乱文字，你需要从中提取核心诉求。Jev 模型提供了三种直接落地的结构化输出模式。

第一种是 noul 模式，专门处理 yes/no 问题。比如客户发了一句要求退款的英文，你不需要写长篇大论的提示词去判断意图，直接输出 {"type": "noul", "noul": 0.99}。这种模式非常适合做自动化拦截器，快速过滤掉非目标客户的无效沟通。

第二种是 choice 模式，用于消息分类。你可以传入一段文本，并设置 billing 和 technical 等选项。模型会根据你提供的 criteria 字典，精准判断这条消息属于哪个类别。如果同时出现计费和售后问题，它还能按照你设定的优先级规则返回结果。这在接外包时，能帮你把需求自动路由给设计、开发或商务人员。

第三种是 scoring 模式，用于评估问题可复现性。你可以定义一个包含多个层级的评分数组，模型会读取报告内容并给出一个具体的分数。这在处理客户反馈的紧急程度时非常有用，能帮你快速建立需求优先级排序。

工作流提效与边界排查

在实际接活的工作流中，这种结构化输出的优势在于极高的确定性。传统方式下，你让模型输出 JSON，经常会遇到格式错误、多余字符或者无法解析的情况，需要写一堆正则去清洗。Jev 模型通过 -o answer_type 和 -o criteria 参数，直接在底层约束了输出格式，返回的是干净的标准 JSON。

不过，这种模式也有明确的适用边界。如果客户的输入极其模糊，scoring 模式可能会给出极低的置信度，或者在 choice 模式中强行归类。这时候不要死磕模型，需要在 criteria 里加一个兜底选项，就像原帖示例中的 other 类别。当模型返回兜底选项时，直接触发人工介入流程，避免自动化工作流陷入死循环。

以下是原帖中展示的两种模式的具体命令配置，你可以直接复制到终端测试：

llm -m jev 'Please refund my last payment.' -s 'Does this message explicitly request a refund?'

cat message.txt | llm -m jev -s 'Which team should handle this message? If billing and technical issues both occur, choose billing.' -o answer_type choice -o criteria '{"billing":"Charges, invoices, payments, or refunds","technical":"Problems installing or using the product","other":"Neither category fits"}'

安装配置与实操链接

要跑通这套工作流，你需要先安装 LLM 工具，然后通过命令行安装 llm-typesafe 插件。安装完成后，去 TypeSafe AI 的控制台申请 API key。原帖作者提到 waitlist 处理速度很快，基本不用等太久。拿到 key 之后，在终端设置好环境变量就能直接调用 Jev 模型了。

llm install llm-typesafe
llm keys set typesafe

以下是原帖提供的相关资源链接，建议收藏备用：

LLM 工具主页：
原帖详细介绍：
API 控制台：
插件 README：

Jev 模型目前还在 waitlist 阶段，接急活的时候千万别把宝全押在没审批下来的 API key 上。本地跑 LLM 工具时，这个插件能帮你把非结构化的客户吐槽变成干净的数据，但前提是你得把 criteria 写得足够细。别指望模型能猜透客户没写出来的潜台词，把边界条件和兜底选项定义清楚，才是自动化接活的核心。想复现的话，先把 API key 申请好，再拿几条真实的客户聊天记录跑一遍 choice 模式，看看分类准确率能不能达到你的接单标准。

看完想聊两句？
你现在处理客户杂乱需求时，主力用的是哪种分类方式？纯人工还是跑脚本？

往期推荐

• ·49%用户感到压力，AI客服正把1400万人逼疯
• ·60页废话不如3页策略，原帖作者劝退AI代写
• ·接活用AI复活名人？家属怒斥视频太假像机器

点击公众号头像 → 历史消息，可翻阅以上文章