autojev_route_model智能模型路由
在你允许的模型中，根据任务风险、质量、成本、延迟、上下文和工具需求进行选择。没有安全候选时主动升级。
- 输入
- task + candidates
- 决策信号
- quality / cost / latency
- 输出
- model + escalate
Jev：面向每个 AI Agent 的类型化决策。
AutoJev 通过托管 MCP Server、类型化 API 和可安装 Skills，把 TypeSafe AI 的 Jev 决策模型接入 Agent 的路由、防护与验证流程。
接入 AutoJev
https://autojev.ai添加 Jev MCP Server
{
"mcpServers": {
"autojev": {
"type": "http",
"url": "https://autojev.ai/mcp",
"headers": {
"Authorization": "Bearer ${AUTOJEV_API_KEY}"
}
}
}
}Jev 实战
让 Jev 为 Codex、Claude Code 等智能体自动选模型。
AutoJev 是一款免费开源的桌面网关。它的智能选择会询问 Jev 哪个模型最适合当前请求——只发送路由元数据，从不发送对话内容。
Jev 模型指南
Jev AI 模型负责判断，生成式模型负责创造。
Jev 是 TypeSafe AI 面向软件结构化决策的 System One 模型。向 Jev 模型提供共享状态和有限问题，获得选择、概率与评分，而不是生成文本。
阅读完整 Jev 指南维度Jev生成式大模型
输出结构化选择、概率和评分生成文本、代码和工具参数
适合场景路由、分类、评分和决策门禁规划、解释、编码和内容生成
不确定性校准概率是响应的一部分置信度处理取决于工作流设计
Jev MCP
Jev MCP 把决策模型变成 Agent 可以发现的工具。
AutoJev 在 Jev 外层增加结构化 Schema、鉴权、稳定工具名、预设指引和可移植 Skills。Agent 保留自己的模型、工具、权限与审批规则。
这些决定，不该只凭 Agent 的直觉。
AutoJev 把 Jev 封装成 Agent 能发现、调用并稳定执行的结构化决策控制点。
autojev_guard_tool_call工具调用防护
在 Agent 改变外部状态之前，检查操作内容、副作用、防护措施、可逆性和你的策略。
allow / confirm / review / deny
Research Guard
判断现有证据是否充分、相互矛盾、已经过时，或可以放心引用。
Completion Reviewer
判断任务是否真的完成、还需一次检查，或应该退回继续实现。
自定义决策契约
通过通用 Decisions API 定义 choice、yes-or-unknown 和 score 类型问题。
一个 Jev 决策层，四种使用方式。
AutoJev 提供接入、输入契约和工作流说明，把一次 Jev 模型调用变成 Agent 真正能使用的运行能力。
Jev MCP Server
https://autojev.ai/mcp向 Codex、Claude Code、Cursor 和任何 Streamable HTTP MCP 客户端提供六个结构化 Jev 工具。
配置 MCPDecisions REST API
https://autojev.ai/api/v1/decisions/{preset}任何后端都可以调用模型路由、工具防护、调研、任务路由、完成审查或自定义决策契约。
查看 API 文档面向 AI Agent 的 Jev Skills
https://autojev.ai/skills/autojev-*/SKILL.md安装可移植 Jev Skills，教 Agent 何时调用决策工具、发送哪些状态，以及怎样在不扩大权限的前提下处理结构化结果。
安装 SkillsJev 在线调试台
https://autojev.ai/playground编辑真实预设输入，调用当前 AutoJev API，并检查选择、概率、评分、用量和预设指引。
开始调试实时 Jev API 调试
在 Agent 执行前，检查这次决策。
优先测试可供 Agent 直接调用的 AutoJev 工作流预设；自定义决策也可以使用 Jev Decisions 协议。编辑真实 JSON 请求，并检查服务的实际返回。AutoJev Key 只保留在浏览器内存中，不会保存。
推荐 Agent 使用：通过 MCP 或 REST 直接调用这套稳定的 AutoJev 工作流 Schema。AutoJev 会校验业务字段、转换为 Jev state + questions，并在保留原始答案的同时返回确定性的行动指引。
只用于本次请求，页面不会持久化保存。
请求地址
/api/v1/decisions/tool-guard调试台通过这个相对路径调用当前 AutoJev 服务。
结构化响应
decision + guidance + answers结构化 Jev 响应会显示在这里。
运行请求后可以检查 Jev 答案、置信度、概率分布、模型版本、Token 用量，以及 AutoJev 预设提供的确定性指引。
决策边界
把 Jev 用在工作流需要答案，而不是另一段文字的地方。
每个 AutoJev 使用场景都会把精简的工作流状态转换成边界明确的决策，并由 Agent 在现有权限内检查和执行。
模型路由
为当前任务选择合适的模型
只在你允许的模型中，根据质量、上下文、工具能力、成本、延迟和任务风险进行比较。
工具调用防护
在操作改变外部状态前进行审查
在 Agent 调用高影响工具前，评估副作用、防护措施、策略阈值和可逆性。
任务路由
选择下一条工作流路径
根据明确证据，把有歧义的工作路由到快速执行、深入审查、任务拆分或阻止状态。
调研验证
检查证据是否支持当前结论
在 Agent 引用研究结果或据此行动前，判断证据覆盖、矛盾、来源质量和任务风险。
完成审查
避免把未完成的工作报告为已完成
在关闭任务前，对照目标、已完成工作、验证结果和已知缺口。
产品价值不是再提供一个模型接口。
Jev 提供快速、校准后的判断。AutoJev 把判断变成 Agent 能安全发现和使用的控制面。
决策引擎
Jev 负责评估
System One 模型在明确选项中做出选择，并返回概率和评分。
AutoJev
可运行的决策层
输入契约
为每类决策定义输入和有限输出。
接入方式
MCP 工具、REST 预设和可移植 Skills。
触发规则
教 Agent 哪些工作流边界需要再次判断。
动作策略
把结果映射为继续、确认、审查或停止。
执行层
你的 Agent 执行
Agent 保留原有模型、工具、权限和人工审批边界。
Agent 接入流程
只需接入一次，在每个决策边界加入判断。
MCP 让工具可被发现，Skills 教 Agent 何时调用，结构化结果则给工作流一个可预期的下一步。
01
连接 MCP Server
添加一个远程地址，并把 AutoJev 访问密钥安全保存在环境变量中。
https://autojev.ai/mcp02
安装需要的 Skills
为模型路由、工具防护、调研和完成检查提供明确触发条件。
.agents/skills/autojev-*03
交给 Jev 评估
发送精简任务状态和有限问题，获得选择、概率与评分。
choice + noul + score04
执行你的策略
继续执行、请求确认、转人工审查或停止，全程不扩大 Agent 权限。
allow / confirm / review / deny完成第一次受保护的决策。
Agent 通过 MCP 发现六个结构化工具。需要在特定工作流边界自动想到这些工具时，再安装对应 Skills。
- 在账号设置中创建 AutoJev 访问密钥。
- 把 MCP 客户端连接到这里显示的 AutoJev 托管地址。
- 一次安装全部六个 AutoJev Skills。
远程 MCP 配置
Codex / config.toml
[mcp_servers.autojev]
url = "https://autojev.ai/mcp"
bearer_token_env_var = "AUTOJEV_API_KEY"Streamable HTTP MCP
Bearer API key
Typed Jev output
面向 Agent 的 Jev AI：结构化决策、路由与防护
了解 Jev AI 如何为软件和 AI Agent 提供分类、路由、评分、工具防护和工作流验证所需的结构化决策。
Jev AI 是 TypeSafe AI 推出的结构化决策模型，用于软件内部的有限判断。向 Jev 模型提供状态和明确问题，它会返回软件可以直接使用的结构化选择、概率和评分。
本页介绍的是名为 Jev 的 AI 模型，与医学领域常用来指代乙型脑炎病毒的 JEV 缩写无关。
一分钟了解 Jev AI
| 问题 | 简明回答 |
|---|---|
| Jev AI 是什么？ | TypeSafe AI 面向软件内部有限决策推出的 System One 模型 |
| Jev AI 返回什么？ | 类型化选择、评分、概率与置信度，而不是开放式文章 |
| Jev AI 用在哪里？ | 位于生成式模型输出和应用策略之间，参与路由、防护与审查 |
| 什么仍由代码负责？ | 权限、硬规则、阈值、副作用以及人工审批要求 |
| 怎样体验？ | 使用 Jev Playground、Jev API 或 Jev MCP Server |
Jev AI 能做什么？
Jev AI 评估信息，但不生成开放式回答。调用方在请求前定义问题和允许的答案范围，Jev 判断哪个答案最符合给定状态，并通过概率和置信度表达不确定性。
因此，Jev 适合处理以下决策：
- 对进入系统的客服请求进行分类。
- 把任务路由到多个可用 AI 模型中的一个。
- 评估工具调用或部署操作的风险。
- 检查调研证据是否足以支持某个结论。
- 判断 Agent 任务是否真正完成。
- 估计下一步操作是否需要人工审核。
Jev 不会发送客服回复、运行选中的模型、执行工具或进行部署。实际动作、权限和审批边界仍由你的应用或 Agent 负责。
Jev 在 AI Agent 中的位置
一个生产级 Agent 通常需要不止一种智能能力：
- 生成式模型负责理解指令、制定计划、编写代码或内容，并提出工具调用。
- Jev AI 在重要工作流边界评估有限问题。
- 确定性代码验证输入、执行权限、应用阈值并选择允许的下一步。
- 当策略要求时，人工审核者处理低置信度、不可逆或高影响场景。
这种分工让每个组件保持专注：生成式模型保留灵活性，Jev 提供结构化判断，普通代码继续控制副作用。
Jev AI 与生成式大模型的区别
| 对比项 | Jev AI | 生成式大模型 |
|---|---|---|
| 核心输出 | 结构化决策和概率 | 文本、代码、计划和工具参数 |
| 可用答案 | 由调用方提前定义 | 开放式 |
| 适合场景 | 分类、路由、评分、验证和门禁 | 创作、解释、规划和内容转换 |
| 输出解析 | Schema 已知 | 通常仍需要验证 |
| 是否拥有执行权限 | 没有 | 除非宿主授予，否则也没有 |
| 判断是否可能出错 | 可能 | 可能 |
Jev 不是所有 LLM 调用的替代品。它专门处理软件中那些期望输出是“决策”而不是“一段文字”的位置。
常见 Jev AI 使用模式
模型路由
向 Jev 提供任务、当前环境真正能调用的模型，以及必须满足的约束。Jev 可以在候选模型中选择，并估计这次选择是否需要升级审核。
工具调用防护
在高影响工具调用前，评估提议的操作、参数摘要、副作用、防护措施、可逆性和策略。应用代码可以把结果映射为允许、确认、审查或拒绝。
调研验证
提供一个明确结论和精简证据。Jev 可以判断证据是否充分、是否需要继续验证，或是否不应支持当前结论。检索来源和引用仍然由宿主应用负责。
完成审查
把原始目标与已完成工作、测试、失败记录和已知缺口进行比较。Jev 可以帮助 Agent 决定完成任务、继续验证或返回实现阶段。
AutoJev 如何提供 Jev AI
AutoJev 把这些模式封装成 Agent 和应用可以稳定使用的接口：
- 托管 Jev MCP Server 提供可发现的结构化工具。
- Decisions REST API 提供预设和自定义 Choice、Noul、Score 问题。
- 一个总控路由和五个专项 Jev Skills 教 Agent 何时调用对应工具。
- Jev 在线调试台 展示真实请求与响应结构。
- 接入指南 介绍鉴权和客户端配置。
AutoJev 托管服务把上游模型凭据保留在服务端。客户端 Agent 使用 AutoJev 访问密钥，并获得决策、概率、用量信息和确定性预设指引。
Jev AI 的限制与安全使用方式
结构化输出更容易被软件消费，但不能证明判断一定正确。应该把 Jev 概率当作决策证据，而不是权限或确定性。
- 使用自己的代表性数据评估重要场景。
- 明确定义低置信度和升级路径。
- 把计算、权限检查和硬性业务规则保留在代码中。
- 不可逆或高影响操作继续保留人工审批。
- 每次只发送当前决策真正需要的状态。
- 不要把密码、Secret 或 Provider 凭据放进决策上下文。
Jev AI 常见问题
Jev AI 是谁开发的？
Jev 是 TypeSafe AI 首个公开的 System One 模型。TypeSafe 把 System One Models 定义为面向软件直接使用的快速结构化决策模型。
Jev AI 会生成文本吗？
不会。Jev 用于返回有限、结构化的答案和概率。当输出必须是文章、代码、计划或解释时，应使用生成式模型。
Jev AI 可以控制 Agent 吗？
不能独立控制。Jev 只返回决策，周围的 Agent、MCP 宿主或应用在现有权限范围内决定是否以及如何使用它。
怎样在 Agent 中体验 Jev？
先使用 AutoJev 在线调试台 查看预设，再连接 Jev MCP Server，并一次安装全部 AutoJev Skills。
继续了解 Jev
关于 Jev AI 的常见问题。
在 Agent 工作流加入结构化决策前，先了解 Jev 模型、Jev MCP 和 Jev Skills。
给你的 Agent 划清决策边界。
创建访问密钥，连接 MCP Server，在高影响操作之前加入结构化判断。