选择一个类别
当应用需要从指定选项中选择一个标签时,可以使用 choice。Jev AI Model 中的每个选项都有名称和说明,你可以明确区分账单、技术支持与账号问题。除了最终选项,也要查看概率分布,尤其要留意两个类别存在交集的情况。
让各选项的标准有明确区别,并为无法归类的输入设置兜底选项。分类结果可供队列分配、搜索筛选或 agent 后续步骤使用。
登录后免费在线体验 · API 按量付费
使用 Jev AI Model 完成文本分类、评分和路由,获得结构化结果与概率。登录后可免费使用在线 Playground;需要通过 API 接入应用时,使用付费积分。
STATE → QUESTIONS → DECISIONS
01结构化结果
02一次提出多个问题
03返回概率结果
01 / WORKBENCH
从示例开始,修改输入并查看结构化答案。登录后即可免费运行决策,无需先购买 API 积分。
草稿保存在当前浏览器 · 登录后会恢复当前草稿。
运行已加载的示例,或编辑输入。结果来自模型实际运行。
02 / 理解输出
Jev AI Model 帮助开发者把文本和上下文转成应用可以使用的决策。描述当前情况、定义问题,再查看答案和概率。客服工单可以转成分流结果,政策检查可以转成是否符合的判断,质量评审则可以按明确标准得到分数。
底层 Jev 是 TypeSafe AI 开发的 System One 模型。本站作为独立服务,通过浏览器工作台和付费 API 提供这一决策流程。使用 Jev AI Model 可以交互式地编写问题、保存有用的配置,并在完成验证后把相同的请求结构接入应用。
当应用需要从指定选项中选择一个标签时,可以使用 choice。Jev AI Model 中的每个选项都有名称和说明,你可以明确区分账单、技术支持与账号问题。除了最终选项,也要查看概率分布,尤其要留意两个类别存在交集的情况。
让各选项的标准有明确区别,并为无法归类的输入设置兜底选项。分类结果可供队列分配、搜索筛选或 agent 后续步骤使用。
如果单个标签不足以表达差异,可以定义一组有序等级,对相关性、紧急程度或完整性进行评分。说明每个等级的含义后,Jev AI Model 会返回该尺度上的分数,让不同输入可以按同一标准比较。
保持等级顺序一致,并测试接近等级边界的样本。只有使用分数的人和系统对尺度含义达成一致,评分才有实际价值。
noul 适合聚焦的是非问题,例如原文是否支持某个结论,或某项请求是否需要复核。Jev AI Model 返回的 yes 概率可供应用选择判断阈值。它代表模型对所给证据的判断,并不保证命题一定为真。
一次问清楚一个问题,并说明缺少证据时应如何判断。有重要后果的动作,应由业务规则和复核流程共同控制。
先明确要做出的决策,再准备输入。向 Jev AI Model 提供相关消息、政策和已知事实,省去无关对话。可以使用文本、JSON 对象或数组整理上下文。工作台允许在运行前检查请求,确认模型实际将收到哪些信息。
03 / 从实际任务开始
这些可编辑示例展示了如何把问题与应用决策连接起来。在 Jev AI Model 中打开示例,替换输入,并按自己的产品修改判断标准。示例是验证工作的起点,需要根据业务调整后再使用。
当客户反馈重复扣款时,可以用 Jev AI Model 区分账单、技术故障或账号访问问题,再把分类交给客服系统。提供足够的上下文,以区分退款诉求与支付失败。
同时测试清晰和模糊的工单。为现有团队无法处理的请求保留 other 类别,并明确不确定结果何时需要人工判断。
打开并修改示例有些请求只需查记录,有些需要语言模型,还有些应交给人工。Jev AI Model 可以根据你定义的路径对任务分类,在执行下一项操作前给应用一个结构化信号。
说明各路径的能力和边界。实际调用工具、检查权限、处理失败以及确认路径是否合适,仍由你的应用负责。
打开并修改示例把待验证的结论与原文放在一起,询问原文是否支持它。使用 Jev AI Model 可以将引用检查变成一个具体判断,同时复核输入和结果,避免只笼统地评价整份文档。
分别测试缺少证据、部分支持与直接矛盾的情况。判断范围由提供的原文决定;这个检查不会自动搜索网络,也不证明来源本身正确。
打开并修改示例04 / 用证据验证
一个令人满意的答案只是开始,还不能说明决策在实际流量中的表现。开发 Jev AI Model 工作流时,应使用有代表性的输入、明确的预期结果和可重复的对比方法。工作台提供问题编辑、配置保存、运行历史和小型评测空间,帮助完成这个过程。
打开完整工作台从应用需要执行的动作出发。在 Jev AI Model 中为问题命名、选择类型,并用其他人也能理解的语言描述标准。加入正常范围以外的样本。如果一张工单同时提到账单和登录,应明确由哪个问题决定分流。
把答案、可用概率和请求详情一起查看。当 Jev AI Model 的结果出乎意料时,先检查输入是否包含判断标准所需的证据。高概率不等于实测准确率;在用它控制自动化前,需要用你所在领域的标注样本进行验证。
先保存配置 A,修改问题后再保存配置 B。Jev AI Model 的评测空间可以让两个配置对同一批输入进行判断,一次最多比较 25 个样本。补充已知答案,检查具体失败案例并导出报告。修好一类工单的问题,也可能让另一类变差。
保存有用的配置,回看私有网页运行历史,并在修改后重跑疑难样本。将 Jev AI Model 接入线上流程前,明确缺少答案、结果不确定或请求报错时的处理方式。政策、输入格式或模型选择变化后,应重新评测。
评测用于区分模型表现和应用策略。Jev AI Model 输出决策信号,实际后续动作由产品决定。为不适合自动继续的情况设置复核路径,并根据真正影响用户的结果评价工作流。
为开发者而生
把经过测试的问题从浏览器接入后端,沿用同样的 state 和 questions 结构。Jev AI Model 工作台提供 cURL、JavaScript 和 Python 请求示例,方便接入现有服务前检查请求内容。在账号中创建 API key,并由服务器以 Bearer token 发送。
成功的 Jev AI Model API 响应包含结构化答案和用量信息。读取答案前先检查返回状态,记录 request ID 以便排查,并明确处理异常。API key 应保留在服务端,避免出现在浏览器代码或公开仓库中。分配队列、发起复核或调用工具等后续动作,由你的集成代码控制。
API 调用使用付费积分。登录后的网页运行继续免费,你可以先在浏览器里完善输入和标准,再为应用接入购买积分。阅读文档中的请求、响应示例时,可以对照工作台生成的代码。
POST /v1/systemone
typesafe/jev-1.13
// Server-side JavaScript (Node 20+ or Bun). Set JEV_API_KEY.
const response = await fetch("https://jevaimodel.net/v1/systemone", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.JEV_API_KEY}`,
"Content-Type": "application/json",
},
body: JSON.stringify({
"model": "typesafe/jev-1.13",
"state": "I was charged twice for order A-4471. Please refund the duplicate payment.",
"questions": {
"route": {
"type": "choice",
"instructions": "Which team should handle this ticket? Use other when no option fits.",
"criteria": {
"billing": "Payments, charges and refunds",
"technical": "Bugs and product errors",
"account": "Login and account access",
"other": "None of these teams"
}
}
}
}),
});
const body = await response.json();
if (!response.ok || body.code !== 0) throw new Error(body.message);
console.log(body.data.result.answers);
console.log(body.data.creditsUsed);05 / 了解服务方式
登录后即可使用 Jev AI Model 工作台,无需先购买 API 积分包。加载示例、修改输入,再运行自己的问题。配置保存和网页历史可以帮助你回到之前的工作,先理解输出并完善问题,再编写集成代码。
需要从应用调用 Jev AI Model 时,再选择积分包。所有套餐提供相同的 API 能力,区别在于积分数量。成功请求按实际输入 tokens 计费,最低扣除 1 积分。可以先用下方计算器估算,再与实际请求用量比较。
Jev AI Model 账号页区分网页与 API 活动,并提供积分历史供你核对。request ID 可以连接一次 API 调用及其用量记录。私有网页历史保存输入和答案,方便回看;API 用量记录仅保留请求元数据,不保存完整的请求和答案正文。
网页登录免费。需要接入应用时,购买 API 积分。
所有积分包提供相同的 API 能力。按每次成功请求的实际输入 tokens 计费;最低扣除 1 积分。
入门版
用于首次 API 集成的积分包。
专业版
用于持续运行和评测的积分包。
大容量
更大的积分包,包含 10% 额外积分。
输入上下文和问题合计的平均 tokens。每次请求分别向上取整。
每次请求积分
1
预计总积分
10,000
按所选积分包折算金额
$1.00
max(1, ceil(input_tokens × 420 / 1,000,000))
成功 API 请求最低 1 积分,输出 tokens 不计费。服务方失败请求不扣费。估算不含税,实际按返回用量扣费;购买积分包的金额另计。
Jev models 基准评测
评估 Jev AI Model 时,可以把独立基准作为参考。完整对比页标明来源、模型版本与数据日期,方便理解分数所描述的范围。基准反映的是相应评测中的表现,不代表它在你的工单、政策或文档上一定达到同样准确率。
决定接入前,结合公开结果和自己在 Jev AI Model 中的标注样本一起判断。使用接近实际业务的输入,比较答案质量、不确定性、响应时间与实际积分消耗。
Jev 1.13.0
第 1 名 · JevBench v1.3.0
74.4
Score
SemIf
第 2 名 · 开源重建版本
73.1
Score
djev
第 3 名 · 在线预览
73.0
Score
JevBench v1.3.0 · 52 个系统 · 534 个任务 · 数据日期:2026 年 9 月 21 日
无论你是第一次了解 Jev AI,还是准备把 Jev model 决策接入现有应用,都可以从这里找到使用 Jev AI Model 的起点。