Jev AI 是什么？Jev 模型工作原理与使用指南
了解 Jev AI 是什么、Jev 模型如何返回结构化选择、概率与评分，以及它在软件和 AI Agent 工作流中的位置。
Jev 是 TypeSafe AI 推出的结构化 AI 决策模型。它不生成一段自由文本，而是根据共享状态评估一组提前定义好输出范围的问题。Jev 模型返回结构化答案、概率、置信度和评分，软件可以直接使用这些结果。
TypeSafe 把这类模型称为 System One Models。它的目标是在软件内部提供快速判断，适用于有限答案比生成长文本更有价值的场景。
本指南介绍的是 TypeSafe AI 发布的 Jev AI 模型，不是医学领域常用来指代乙型脑炎病毒的 JEV 缩写。
Jev AI 是什么？
Jev AI 更像一个智能决策函数，而不是聊天机器人。应用向它提供上下文和明确问题，例如“这张工单应该进入哪个队列？”“这个操作是否需要审批？”或“这次部署风险有多高？”，Jev 只从应用预先给出的选项或量表中返回答案。
这种更窄的接口很适合高频决策点，因为开放文本通常还需要额外解析、验证和异常处理。它并不代表每个 Jev 判断都一定正确，而是代表返回结构和可选答案在请求前已经受到约束。
Jev 模型如何工作
一次 Jev 请求会把两个概念分开：
- State 保存需要评估的事实、证据或内容。
- Questions 定义 Jev 需要对这些状态做出的判断。
AutoJev 支持 TypeSafe 工作流和当前 Decisions API 使用的三类 Jev 问题：
- Choice 从一组命名标准中选择一个结果。
- Noul 为 yes-or-unknown 判断返回概率。
- Score 按调用方定义的量表对状态评分。
多个问题可以在一次请求里共享同一个状态。例如工具调用审查可以同时获得动作结论、风险评分和需要人工确认的概率。
Jev 与生成式大模型的区别
Jev 和生成式语言模型解决 Agent 工作流中的不同问题。
| 需求 | Jev | 生成式大模型 |
|---|---|---|
| 在已知动作中选择 | 非常适合 | 可以做到，但通常需要解析和验证输出 |
| 返回校准概率 | 原生响应 | 取决于提示词和 Provider 行为 |
| 编写代码或文本 | 不支持 | 非常适合 |
| 解释复杂计划 | 不支持 | 非常适合 |
| 路由、分类、评分和门禁 | 核心场景 | 重复决策通常更慢、成本更高 |
实用的 Agent 技术栈可以让生成式模型负责规划和创造，在有限决策边界调用 Jev。Jev 的答案不能取代确定性检查、权限、预算或人工审批。
适合 Jev 的应用场景
当请求前已经知道可能采取哪些动作时，Jev 的价值最大：
- 在多个 AI 模型之间路由任务。
- 分类客服请求或运维事件。
- 评估发布、合规或工具调用风险。
- 判断调研证据是否充分。
- 检查 Agent 任务是否真正完成。
- 估计下一步是否需要人工审核。
- 决定工作流应该继续、暂停、拆分还是停止。
哪些场景不适合 Jev
如果任务要求模型编写答案、生成代码、创建工具参数、读取文件或用长文本解释推理，就不应该使用 Jev。这些工作应该交给生成式模型或确定性应用逻辑。
结构化输出可以避免返回无效的数据形状，但不能保证每个决策在语义上都正确。重要决策应使用自己的数据集测试，不可逆操作仍然要保留正常审批边界，并把模型判断与确定性策略检查结合起来。
AutoJev 如何使用 Jev
AutoJev 把 Jev 决策模型变成 AI Agent 可以使用的运行层：
- 远程 Jev MCP Server 向 MCP 客户端暴露结构化工具。
- REST 预设为常见决策定义稳定的输入契约。
- 可移植 Skills 教 Agent 何时调用对应决策工具。
- 确定性指引把模型输出映射为工作流动作。
- Bearer 鉴权让上游 Provider Key 只保存在服务端。
- AutoJev 在线调试台 可以直接测试请求，不需要先编写客户端。
AutoJev 不会取代 Jev，也不会隐藏底层决策模型。它为 Agent 工作流补充可重复的输入、可发现的工具和明确的动作策略。
关于 Jev AI 的常见问题
Jev 是聊天机器人吗？
不是。Jev 不生成开放式聊天内容。它评估软件提供的状态和问题，然后返回结构化决策和概率。
Jev 可以取代大语言模型吗？
不能取代生成能力。写作、编码、规划和解释仍然更适合生成式大模型。Jev 可以补充分类、路由、评分和验证等决策环节。
Jev 会做出错误判断吗？
会。结构化响应只能保证接口有效，不能保证每次判断都正确。生产系统应该用自己的数据校准阈值，保留确定性验证，并把低置信度或高影响决策升级给人工或更强模型。
浏览 Jev 主题内容
- 面向 Agent 的 Jev AI 介绍 Agent 架构和常见决策模式。
- Jev 模型指南 介绍 State、Choice、Noul、Score 和响应处理。
- Jev MCP Server 介绍怎样接入 Codex、Claude Code、Cursor 和其他 MCP 客户端。
- Jev Skills 介绍 AutoJev 提供的一个总控路由和五个可安装专项 Skills。
- Jev 在线调试台 可以直接查看真实请求与响应结构。
Jev 官方资源
继续阅读 AutoJev 接入文档，或配置 Jev MCP Server。