面向 Agent 的 Jev AI：结构化决策、路由与防护

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。

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：

1. 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。
2. Jev AI 在重要工作流边界评估有限问题。
3. 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。
4. 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

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

• Jev 是什么？
• Jev 模型输入与输出
• 面向 AI Agent 的 Jev MCP Server
• Jev Skills 安装指南