TypeSafe Jev 指南：模型、API、接入方式与应用场景
TypeSafe Jev 是 TypeSafe AI 首个公开的 System One 模型，用来把共享状态转换成软件可以直接使用的类型化概率决策。Jev 不生成开放式回答，而是评估那些在请求前就已定义答案空间的问题，并返回选择、评分或概率，以及相关置信信息。
这篇指南解释用户搜索 “TypeSafe Jev”“TypeSafe AI Jev” 或 “Jev” 时通常指向的模型。底层模型由 TypeSafe AI 开发和提供。AutoJev 是独立集成平台，与 TypeSafe AI 不存在隶属或官方背书关系。
TypeSafe Jev 是什么？
Jev 是 TypeSafe AI 首个 System One 模型，也是其当前旗舰模型。TypeSafe 把 System One 定义为用于软件中快速、结构化决策的一类模型。请求提供一份 State——文本、JSON 对象或文本数组——以及一个或多个类型明确的问题。Jev 返回有限答案与概率，而不是生成一段文字。
因此，Jev 模型适合分类、路由、评分、验证和分支判断。它不是聊天机器人或文本生成器，也不替代所有大语言模型调用。
这些名称之间的关系很清楚：
| 名称 | 含义 |
|---|---|
| TypeSafe AI | 开发 Jev 模型和 System One 协议的公司 |
| Jev | TypeSafe AI 首个公开、当前旗舰的 System One 模型 |
| TypeSafe Jev | 用户搜索 TypeSafe AI 所开发 Jev 模型时常用的关键词 |
| AutoJev | 围绕 Jev 提供 REST、MCP、Skills 和 Playground 的独立集成层 |
Provider 当前定义请以 TypeSafe System One 官方文档和 Jev 官方发布文章为准。
TypeSafe Jev 模型如何工作？
Jev 请求会把输入数据与要做的判断分开：
- State 提供当前任务相关的事实、证据或程序状态。
- Questions 指定 Jev 要完成的有限判断。
- 应用代码 根据自己的策略解释返回的答案、概率与置信度。
TypeSafe 文档定义了三种问题 Primitive：
- Choice 从调用方声明的候选项中选择一个，适合分类、模型路由、任务路由和有限动作选择。
- Score 按照已定义的数值或有序 Rubric 为状态评分，适合风险、紧急度、质量和完成度判断。
- Noul 估计一个 True-or-False 命题成立的概率，适合判断证据是否充分或是否需要人工审查。
一次请求可以让多个问题评估同一份 State。例如，客服工作流可以同时选择队列、评估紧急程度，并判断退款意图。外围程序再把这些结果与权限、阈值和确定性检查结合起来。
TypeSafe Jev 与生成式 LLM 的区别
| 能力 | TypeSafe Jev | 生成式 LLM |
|---|---|---|
| 主要输出 | 类型化选择、评分与概率 | 文本、代码与工具参数 |
| 答案空间 | 推理前定义 | 开放式 |
| 适合任务 | 分类、路由、评分、验证和门禁 | 写作、解释、规划和创造 |
| 不确定性 | 属于决策响应的一部分 | 取决于模型与工作流设计 |
| 是否可能判断错误 | 可能 | 可能 |
| 是否有执行权限 | 没有 | 除非宿主授予，否则也没有 |
类型安全保证返回结果符合声明的结构，但不保证每次判断都正确。生产工作流仍需使用代表性数据评估、校准阈值、确定性校验，并为低置信度或高影响操作保留人工审查。
如何接入 TypeSafe Jev？
你可以根据需要选择 Provider 原生接口，或面向 Agent 的集成层。
TypeSafe AI 官方 API 与 SDK
TypeSafe 文档提供 Client SDK 和 HTTP POST /v1/systemone 接口，示例使用 jev-latest 模型别名。可用性、SDK 版本、价格和模型别名可能变化，应从 TypeSafe 官方快速开始进入最新文档。
第三方 AI Gateway
Jev 也可以通过支持它的 Gateway 使用。例如，Vercel AI Gateway 的 Evaluate API 使用 typesafe-ai/jev 标识这个模型。不同 Gateway 有自己的鉴权、计费、数据保留设置和请求格式，不能假设所有 Jev Endpoint 完全相同。
使用 AutoJev 的 MCP、REST 与 Skills
AutoJev 为 AI Agent 增加了一层运行能力：
- 托管的 Jev MCP Server提供六个可发现决策工具。
- 通用 Jev Decisions API接收 Choice、Noul 与 Score 问题。
- 可移植 Jev Skills教 Agent 何时请求每一种决策。
- Jev 在线 Playground交互展示请求和响应结构。
- 预设覆盖模型路由、任务路由、工具调用防护、调研验证与完成审查。
AutoJev Access Key 用于鉴权 AutoJev 接口，它不是 TypeSafe 账号凭证。AutoJev 服务把配置的上游 Provider 凭证保留在服务端，再把模型决策返回给客户端。直接使用 Provider 时，应使用 TypeSafe 自己的 API 和凭证。
TypeSafe Jev 应用场景
当答案候选项或评分 Rubric 可以在调用模型前定义时，Jev 很适合参与判断。
Agent 与模型路由
只提供工作流允许调用的模型、工具或 Subagent，让 Jev 从中选择。预算、可用性和权限约束仍由应用代码执行。参见 Jev Router 与模型路由指南。
工具调用防护
在高影响工具调用前，评估待执行操作、副作用、防护措施与可逆性。Jev 返回有限 Verdict 或审查概率，最终权限仍保留在宿主系统中。
Computer Use
浏览器或桌面 Agent 可以让 Jev 从当前界面状态提取出的有限操作和已定位目标中选择。模型不应凭空生成 Selector，也不能绕过确认。参见 Jev Computer Use。
游戏与模拟
游戏代码可以列举合法动作、发送结构化世界状态，再让 Jev 从有效候选项中选择。确定性代码继续负责游戏规则和状态变化。参见 Jev 游戏。
验证与完成审查
Jev 可以判断已有证据是否支持一个结论，或已完成工作是否满足任务目标。检索、测试和引用证据仍由外围系统提供。
TypeSafe Jev 的限制
- Jev 当前评估文本、JSON 对象和文本数组；官方文档说明暂不支持图片、音频与视频。
- Jev 不生成文章、代码、计划或推理解释。
- 类型结构有效的答案仍然可能不符合真实情况。
- State 缺失或 Criteria 模糊会产生误导性的概率。
- Provider 公布的评估不能替代你在自有标注数据上的测试。
- 模型响应不会授予花钱、发布、删除数据或修改生产环境的权限。
不要把 Secret 或与当前任务无关的隐私数据放入 State。模型输出是应用策略使用的一项证据，而不是它自身拥有的权限。
TypeSafe Jev 常见问题
TypeSafe Jev 是 LLM 吗？
TypeSafe 把 Jev 定义为 System One 模型，而不是生成式聊天模型。它理解自然语言 State，但返回类型化决策与概率，不会逐 Token 生成字符串。
TypeSafe Jev 是谁开发的？
TypeSafe AI 开发了 Jev，并于 2026 年 9 月 15 日公开发布。TypeSafe 负责模型、协议和官方服务，AutoJev 是独立集成层。
TypeSafe Jev 开源吗？
TypeSafe 官方 Jev 是托管模型，其公开文档没有把生产 Jev 权重描述为开源模型。名为 OpenJev 或 NanoJev 的项目是独立社区实验，不是 TypeSafe 官方模型。比较之前请阅读 Jev 生态指南。
怎样使用 TypeSafe Jev？
要使用 Provider 原生接口，可以接入 TypeSafe SDK 或 HTTP API；如果希望通过 MCP 工具、REST 预设、可移植 Skills 或在线 Playground 使用 Jev，可以接入 AutoJev。无论哪种方式，都应定义有限问题、检查概率，并把行动策略保留在普通代码中。
Jev 只能用于 AI Agent 吗？
不是。任何存在重复分类、路由、评分或验证判断的应用都可以使用 Jev。Agent 工作流拥有大量决策边界，因此是突出的应用方向，但普通后端服务和实时应用同样适合。