回到实验室

JEVLAB / FIELD GUIDE

Jev 实用指南

了解该模型,尝试您的第一个决策,然后探索人们正在构建的内容。

Jev 是 TYPESAFE AI 的决策模型。为其提供文本和具体问题;它会返回您的代码可以使用的类型化答案和概率。当您需要写作或开放式生成时,请使用 LLM。当您的应用程序两者都需要时,请将它们结合使用。

01 / 软件内部的小型决策

以支持收件箱为例。您的软件了解可用的团队,但需要理解客户的消息。Jev 可以选择一个团队、评估紧迫性,或根据您定义的量表对消息进行评分。然后,您的代码应用路由规则。该模型提供判断;它不执行操作。

Jev 目前接受文本,包括 JSON 和文本数组。它无法查看图像、收听音频、生成散文或编写代码。基于图像的演示首先需要另一个组件将图像转换为可用的文本或结构化观察结果。

输入上下文和一个有界限的问题。输出一个类型化的决策。概念说明,非测量结果。
输入上下文和一个有界限的问题。输出一个类型化的决策。概念说明,非测量结果。

阅读官方来源

02 / 为什么要构建一种不同的模型?

TYPESAFE 的目标是使狭义 AI 判断表现得像普通软件中的有用组件。其 RLCD 训练方法针对决策和校准的不确定性。放弃自由文本生成使得一种不同的接口成为可能:应用程序定义答案空间并组合结果。

有效的输出形状并不能证明答案是正确的。请在您自己的示例上评估错误,并将后果性操作保留在明确的应用程序规则之后。

阅读官方来源

03 / 三种提问方式

Choice 进行选择;Score 进行评级;Noul 估计“是”。图片说明了接口,并未断言准确性。
Choice 进行选择;Score 进行评级;Noul 估计“是”。图片说明了接口,并未断言准确性。
Choice
从您提供的一组选项中选择一个,例如账单、技术支持或销售。响应包括所选选项以及各选项的分布。
Score
将观察结果置于有序的描述性级别上,例如冷静、沮丧和非常沮丧。返回的分数可以位于级别之间;它不是正确性的一般概率。
Noul
询问陈述是否成立。Noul 返回“是”的概率,从 0 到 1。对于可以同时为真的标签,请询问单独的问题。

阅读官方来源

在行动前读取不确定性

Choice 和 Score 会返回概率以及从其分布中导出的独立置信度值。获胜选项的概率和置信度是不同的数字。Noul 仅有概率,没有单独的置信度字段。

教学示例 · 固定置信度 0.72

0.72confidence请求审查或更多上下文

移动阈值以查看代码分支的变化。这是一个固定演示,并非 Jev 的预测或推荐阈值。请根据错误成本测试边界;超过阈值并不代表获得行动许可。

理解置信度

04 / Jev 和 LLM 执行不同的工作

这些是接口差异,并非声称某个模型在每项任务中都胜出。LLM 的能力和延迟因模型、设置、工具和输入而异。

维度Jev生成式 LLM
输出定义的选项、分数、概率生成的文本或代码;许多模型也支持结构化输出
适用场景路由、选择、排名信号、有界检查写作、解释、开放式推理和生成
输入文本或结构化文本状态文本;一些模型也接受图像、音频或视频
谁控制操作?您的应用程序组合判断并执行规则您的应用程序仍必须验证输出和工具操作
不确定性专为校准决策设计的概率输出;仍然可能出错书面的置信度声明需要特定于任务的验证
一个应用程序可以将工作路由到代码、生成模型或人员。为决策选择合适的工具。
一个应用程序可以将工作路由到代码、生成模型或人员。为决策选择合适的工具。

阅读官方来源

05 / 足够快,可用于交互

70–500 msTYPESAFE 在发布时报告的端到端范围

TYPESAFE 的 9 月 15 日发布文章报告了其决策型调用的此范围。它还指出,其发布的评估通常是从美国西海岸运行的。这是供应商报告的快照,并非 JEVLAB 基准测试,也不是针对您所在位置的延迟保证。

阅读官方来源

同时询问关于同一状态的独立问题。Jev 并行评估它们。这可以避免一系列单独的调用,但更多的问题仍会增加输入标记,并且必须符合请求限制。当问题依赖于先前的答案时,需要后续调用。

一个共享状态,几个独立的问题。并行评估并不意味着无限或免费的工作。
一个共享状态,几个独立的问题。并行评估并不意味着无限或免费的工作。

阅读官方来源

TYPESAFE 的工作流评估比较整个工作流。它们的参考标签是模型生成的共识标签,而不是人类真实数据集。在采用速度或准确性声明之前,请阅读该方法并测试您自己的案例。

阅读官方来源

06 / 进行您的第一次调用

  1. 无需登录即可在我们的决策实验室(Decision Lab)中探索请求示例。若要运行真实的模型调用,请打开 TypeSafe 的 Playground,登录后从一个简短的状态描述和一个清晰的问题开始。
  2. 在 TypeSafe 控制台中创建 API 密钥。请将其保存在服务器或本地环境变量中,切勿放入浏览器代码或公共存储库。
  3. 直接调用 API 或使用官方 JavaScript 或 Python SDK。下方的示例仅为演示请求;它不会从本页面发起实际请求。
  4. 收集具有代表性的示例,记录模型版本,测量错误和端到端延迟,并决定何时采取行动或请求审核。概率或置信度 Score 并非授权凭证。
演示请求 · 凭证保留在您的服务器上
POST https://api.typesafe.ai/v1/systemone
Authorization: Bearer $TYPESAFE_API_KEY
Content-Type: application/json

{
  "state": {
    "message": "I cannot sign in to my account."
  },
  "model": "jev-latest",
  "questions": {
    "team": {
      "type": "choice",
      "instructions": "Which team should handle this message?",
      "criteria": {
        "billing": "Payments or invoices",
        "support": "Account access or technical problems",
        "sales": "Pricing or product questions"
      }
    }
  }
}

阅读官方来源

决策实验室 / 尝试调用格式

选择一个任务并编辑其文本。请求会在你的浏览器中立即更改。这些是原始的教学模板,而非实时模型结果;此处无需 API 密钥或登录。

Choice 会选择一个指定的选项。请清晰地描述每个选项,并为不符合条件的输入包含一条逃生路径。你的代码决定接下来发生什么。

可编辑示例使用英语。你可以用你自己的语言替换状态;在依赖结果之前,请先测试该语言的准确性。

请求体 · JSON
{
  "model": "jev-latest",
  "state": "I need help signing in after changing my phone.",
  "questions": {
    "team": {
      "type": "choice",
      "instructions": "Choose the team that can best help with the message in state. Use other when none fits.",
      "criteria": {
        "accounts": "Sign-in or account access",
        "billing": "Charges, invoices or subscriptions",
        "other": "Another issue, or not enough information"
      }
    }
  }
}

下一步:使用你的服务器端 API 密钥将此请求体发送至 POST /v1/systemone。TypeSafe 自己的控制台和 API 需要提供商账户。JEVLAB 不会收集你的密钥,也不会将此示例发送给模型。

API 参考文档

发布前 / 四件必须做对的事

类型安全的输出仍可能是错误的答案。请围绕模型的文档限制进行构建,而不是围绕一个完美的演示。

01

简短、明确的状态

发送带有清晰字段名称的相关事实。先将图像或音频转换为有用的文本。冗长、无关的上下文和间接引用可能会降低准确性。

02

言之有物的问题

在指令中写明完整条件,而不仅仅是在问题键中。避免重叠的选项和矛盾的标准。将独立的判断分开;在代码中进行组合。

03

在代码中完成精确工作

使用代码进行算术、计数、日期比较和权限检查。当你需要新的散文或代码时,请使用生成式模型。Jev 在你定义的空间内进行选择或判断。

04

衡量你自己的工作流

使用带标签的示例,包括模糊、多语言和对抗性案例。跟踪错误的决策、回退率、端到端延迟和输入使用情况。记录返回的模型版本;别名可能会发生变化。

阅读文档记录的 Jev 1.13 故障模式

你的首次构建检查清单0 / 4

已勾选的步骤仅保留在此浏览器中。不会向 JEVLAB 发送任何账户、同步或完成进度跟踪。

进阶方案

  • 意图路由

    在处理程序之间进行选择,并为超出其范围的请求提供明确的回退机制。

  • 并行问题

    针对同一状态同时提出独立的问题;在后续步骤中处理依赖关系。

  • 复合评分

    判断不同的维度,然后使用你在代码中控制的权重组合它们的值。

  • 置信度路由

    使用经过测试的阈值,选择是继续、收集更多上下文还是请求审查。

07 / 您的入门书架

请妥善保存这些参考资料。官方文档定义了 API;社区项目展示了可能的应用,但不提供任何保证。

来自 JEVLAB 收藏

探索资源库

  • Made with Jev

    解释和实际构建,包含关于拆分生成、决策和执行的指南。

  • Jevable

    社区演示的视觉流。观看原始演示并检查每个演示实际发送给 Jev 的内容。

  • Awesome Jev

    一个广泛的索引,区分了官方资源、社区 SDK 和项目类别。在采用工具之前,请检查原始存储库。

这些是独立的发现来源。包含在目录中并不代表 JEVLAB 的审计或背书。

值得一问的问题

Jev 是聊天机器人还是编码代理?

Jev 是一个软件可以调用的决策模型。编码代理可以帮助你构建该软件,而语言模型可以在其中编写文本。这些是不同的角色。

Jev 能看到视频或截图吗?

文档记录的 API 目前接收文本。演示可能会使用单独的视觉模型、转录、DOM 或游戏状态来准备 Jev 评估的文本。在比较速度和成本时,请检查整个流水线。

我可以不注册账户就开始吗?

本 JEVLAB 指南和决策实验室中的所有内容均无需登录即可使用。真实的 API 调用和官方 TypeSafe Playground 需要 TypeSafe 访问权限及相应的密钥。

快速的基准测试是否意味着我的应用程序会很快?

请从输入到用户看到的结果进行衡量。网络、预处理、工具执行、重试和回退也需要时间。已发布的供应商评估和创建者演示描述的是他们自己的设置。

08 / 如何使用 JEVLAB

JEVLAB 是一个独立的、链接至原始来源的实地指南。它不由 TypeSafe AI 运营,也与其无关。着陆页用于发现作品;本指南用于理解作品。

探索实验室以开启收藏。按项目、创建者或主题进行搜索,并使用用例和平台过滤器缩小结果范围。桌面侧边栏可独立滚动。Popular 会在每次新访问时随机排列符合条件的资源;Latest 则按添加时间从新到旧显示资源。在两种模式下,单个支持者卡片均从其 90 天有效期内且确认净总额为正的项目中抽取,抽取概率与该总额成正比。$0 的项目不会被选中。一个项目在所有符合条件的项目都轮到一次之前不会被再次抽取,之后开启新一轮。

GitHub 和网站卡片以预览图开头,下方有不同的文本布局。视频则保持其较宽的展示形式。当来源公开了支持的指标时,眼睛图标代表浏览量,星号代表收集时获取的 GitHub 星标;两者均非 JEVLAB 的点击计数。缺失的指标将留空。

打开卡片可查看来源注释、原始链接和保存控件。翻译仅作为阅读辅助;请查看创建者的原文以获取背景、当前说明和性能声明。

支持者共享一个全球看板。滚动条显示前十名,侧边栏显示前五名。资源之间的单个卡片从其 90 天有效期内且具有确认净支持额为正的每个项目中抽取,包括前十名之外的项目和 $1 的贡献者,抽取机会与当前周期的确认净支持额成正比,且一轮内不重复。打开支持者荣誉榜查看每个项目当前的 90 天总额。过期项目保留在底部,总额为 $0,且无识别位置或抽取机会;针对同一 URL 的新确认支持将开启一个新周期,总额从零开始计算。如需贡献,请查找项目 URL,复制其消息并使用“继续使用 Buy Me a Coffee”;在付款前将消息粘贴到结账页面。支持额决定看板排名和出现在信息流中的先后概率,而非编辑质量。不保证展示量。

Live 是最近活跃访客的估计值。Total Visits 汇总所有语言的每日访问量,并非网站整个运营期的独立访客人数。公开访问量和外链点击量包括运营者提供的初始值及之后实际记录的事件。

来源检查日期:2026 年 9 月 22 日。插图为 JEVLAB 说明性艺术作品。翻译由 AI 辅助完成;官方来源对于当前 API 细节具有权威性。