回到實驗室

JEVLAB / FIELD GUIDE

Jev 實用指南

了解此模型,嘗試您的第一個決策,並探索人們正在構建的應用。

Jev 是 TypeSafe AI 的決策模型。輸入文字與特定問題,它會回傳程式碼可用的型別化答案與機率。當您需要撰寫內容或開放式生成時,請使用 LLM。當您的應用程式兩者皆需時,請將它們結合使用。

01 / 軟體內部的微小決策

試想一個支援信箱。您的軟體知道可用的團隊,但需要理解客戶的訊息。Jev 可以選擇團隊、評估緊急程度,或根據您定義的量表為訊息評分。接著,您的程式碼會應用路由規則。模型提供的是判斷,而非執行動作。

Jev 目前接受文字,包含 JSON 與文字陣列。它無法查看圖片、聆聽音訊、生成散文或編寫程式碼。基於圖片的演示需要另一個組件先將圖片轉換為可用的文字或結構化觀察結果。

輸入上下文與受限問題,輸出型別化決策。此為概念說明,非測量結果。
輸入上下文與受限問題,輸出型別化決策。此為概念說明,非測量結果。

閱讀官方來源

02 / 為何要構建不同類型的模型?

TypeSafe 的目標是讓狹義 AI 判斷能像普通軟體中的實用組件一樣運作。其 RLCD 訓練方法針對決策與校準後的不確定性。放棄自由形式的文字生成,使得一種不同的介面成為可能:由應用程式定義答案空間並結合結果。

有效的輸出格式並不代表答案正確。請在您自己的範例上評估錯誤,並將關鍵動作保留在明確的應用程式規則之後。

閱讀官方來源

03 / 三種提問方式

Choice 進行選擇;Score 進行評級;Noul 估算「是」的機率。圖片說明了介面,但不保證準確性。
Choice 進行選擇;Score 進行評級;Noul 估算「是」的機率。圖片說明了介面,但不保證準確性。
Choice
從您提供的集合中選擇一個選項,例如帳務、技術支援或銷售。回應包含所選選項以及各選項的機率分佈。
Score
將觀察結果放置在有序的描述性層級上,例如冷靜、沮喪與非常沮喪。回傳的分數可以落在層級之間;它並非正確性的一般機率。
Noul
詢問陳述是否成立。Noul 回傳「是」的機率,範圍從 0 到 1。針對可能同時為真的標籤,請分別提問。

閱讀官方來源

在行動前閱讀不確定性

Choice 與 Score 會傳回機率,以及從其分佈中導出的獨立信心值。獲勝選項的機率與信心是不同的數字。Noul 僅有機率,沒有獨立的信心欄位。

教學範例 · 固定信心 0.72

0.72confidence請求審核或更多背景資訊

移動門檻以查看程式碼分支的變化。這是一個固定的說明,並非 Jev 預測或建議的門檻。請根據錯誤成本測試邊界;通過門檻並不代表獲得行動許可。

理解信心指數

04 / Jev 與 LLM 的工作不同

這些是介面上的差異,並非聲稱某個模型在所有任務中都勝出。LLM 的能力與延遲會因模型、設定、工具與輸入而異。

維度Jev生成式 LLM
輸出定義好的選項、分數、機率生成的文字或程式碼;許多模型也支援結構化輸出
適用場景路由、選擇、排名訊號、邊界檢查寫作、解釋、開放式推理與生成
輸入文字或結構化文字狀態文字;部分模型也接受圖片、音訊或影片
誰控制動作?您的應用程式結合判斷並執行規則您的應用程式仍須驗證輸出與工具動作
不確定性為校準決策設計的機率輸出;仍可能出錯書面信心聲明需要針對任務進行驗證
單一應用程式可將工作路由至程式碼、生成式模型或人員。請為決策選擇合適的工具。
單一應用程式可將工作路由至程式碼、生成式模型或人員。請為決策選擇合適的工具。

閱讀官方來源

05 / 速度足以應對互動

70–500 msTypeSafe 於發布時報告的端對端範圍

TypeSafe 在 9 月 15 日的發布文章中報告了其決策型呼叫的此範圍。文中也提到,其發布的評估通常是從美國西岸執行。這是廠商報告的快照,並非 JEVLAB 的基準測試,也不是您所在位置的延遲保證。

閱讀官方來源

針對相同狀態同時詢問獨立問題。Jev 會平行評估它們。這可以避免一連串的獨立呼叫,但更多問題仍會增加輸入 Token 並必須符合請求限制。當問題取決於先前的答案時,則需要後續呼叫。

一個共享狀態,多個獨立問題。平行評估並不代表無限或免費的工作。
一個共享狀態,多個獨立問題。平行評估並不代表無限或免費的工作。

閱讀官方來源

TypeSafe 的工作流程評估會比較整體工作流程。其參考標籤是模型生成的共識標籤,而非人類真實數據集。在採納任何速度或準確性聲明之前,請閱讀其方法並測試您自己的案例。

閱讀官方來源

06 / 進行您的第一次呼叫

  1. 無需登入即可在我們的決策實驗室(Decision Lab)中探索請求範例。若要執行真實的模型呼叫,請開啟 TypeSafe 的 Playground,登入後從一個簡短的狀態與明確的問題開始。
  2. 在 TypeSafe 控制台建立 API 金鑰。請將其保留在您的伺服器或本機環境變數中,切勿放入瀏覽器程式碼或公開儲存庫。
  3. 直接呼叫 API 或使用官方 JavaScript 或 Python SDK。下方的範例僅為說明性請求;它不會從此頁面發出實際請求。
  4. 收集具代表性的範例、記錄模型版本、測量錯誤與端對端延遲,並決定何時採取行動或請求審核。機率或信心 Score 並非授權。
說明性請求 · 憑證保留在您的伺服器上
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"
      }
    }
  }
}

閱讀官方來源

決策實驗室 / 嘗試呼叫的格式

選擇一項任務並編輯其文字。請求會在您的瀏覽器中立即變更。這些是原始的教學模板,而非即時模型結果;此處無需 API 金鑰或登入。

Choice 會挑選一個已命名的選項。請清楚描述每個選項,並為不符合的輸入包含一個逃生路徑。您的程式碼決定接下來發生的事。

可編輯的範例使用英文。您可以將狀態替換為您自己的語言;在依賴結果之前,請先測試該語言的準確性。

請求主體 · 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:使用您的伺服器端 API 金鑰將此主體傳送至 POST /v1/systemone。TypeSafe 的主控台與 API 需要供應商帳號。JEVLAB 不會收集您的金鑰,也不會將此範例傳送至模型。

API 參考文件

發布前 / 四件必須做對的事

類型安全的輸出仍可能是錯誤的答案。請圍繞模型的記錄限制進行構建,而非圍繞完美的演示。

01

簡短且明確的狀態

傳送相關事實並使用明確的欄位名稱。先將影像或音訊轉換為有用的文字。過長、不相關的上下文與間接引用可能會降低準確性。

02

言之有物的問題

在指令中寫入完整條件,而不僅僅是在問題鍵中。避免重疊的選項與矛盾的標準。將獨立的判斷分開;在程式碼中將它們組合起來。

03

將精確工作留在程式碼中

使用程式碼進行算術、計數、日期比較與權限檢查。當您需要新的散文或程式碼時,請使用生成式模型。Jev 在您定義的空間內進行選擇或判斷。

04

衡量您自己的工作流程

使用標記過的範例,包括模糊、多語言與對抗性案例。追蹤錯誤決策、後備率、端對端延遲與輸入使用量。記錄傳回的模型版本;別名可能會變更。

閱讀記錄的 Jev 1.13 失敗模式

您的首次建置檢查清單0 / 4

勾選的步驟僅保留在此瀏覽器中。不會有任何帳號、同步或完成進度傳送至 JEVLAB。

成長所需的配方

  • 意圖路由

    在處理器之間進行選擇,並為範圍外的請求提供明確的後備方案。

  • 平行問題

    針對相同狀態同時詢問獨立的問題;在後續步驟中處理依賴關係。

  • 複合評分

    判斷不同的維度,然後使用您在程式碼中控制的權重來組合它們的值。

  • 信心路由

    使用經過測試的門檻,選擇是否繼續、收集更多背景資訊或請求審核。

07 / 您的入門書架

請妥善保存這些參考資料。官方文件定義了 API;社群專案展示了可能的應用,而非保證。

來自 JEVLAB 的收藏

探索來源函式庫

  • Made with Jev

    解釋與實作建置,包含拆分生成、決策與執行的指南。

  • Jevable

    社群演示的視覺串流。觀看原始內容並檢查每個演示實際傳送給 Jev 的內容。

  • Awesome Jev

    一個廣泛的索引,區分官方資源、社群 SDK 與專案類別。在採用工具前,請先檢查原始儲存庫。

這些是獨立的探索來源。列入目錄並不代表 JEVLAB 的審核或背書。

值得一問的問題

Jev 是聊天機器人還是程式設計代理?

Jev 是軟體可以呼叫的決策模型。程式設計代理可以協助您建置該軟體,而語言模型可以在其中撰寫文字。這些是不同的角色。

Jev 可以看到影片或螢幕截圖嗎?

記錄的 API 目前僅接收文字。演示可能會使用獨立的視覺模型、轉錄、DOM 或遊戲狀態來準備 Jev 評估的文字。在比較速度與成本時,請檢查整個管線。

我可以不使用帳號開始嗎?

此 JEVLAB 指南與決策實驗室中的所有內容皆無需登入即可使用。真實的 API 呼叫與官方 TypeSafe Playground 需要 TypeSafe 存取權與適用的金鑰。

快速的基準測試是否代表我的應用程式會很快?

請從輸入衡量到使用者看到的結果。網路、預處理、工具執行、重試與後備方案也需要時間。已發布的供應商評估與創作者演示描述的是他們自己的設定。

08 / 如何使用 JEVLAB

JEVLAB 是一個獨立的、連結至原始來源的實地指南。它並非由 TYPESAFE AI 營運或與其相關。登陸頁面用於探索作品;本指南則用於理解這些內容。

探索實驗室以開啟收藏。透過專案、創作者或主題進行搜尋,並使用使用案例與平台篩選器縮小結果範圍。桌面版側邊欄可獨立捲動。Popular 會在每次新造訪時隨機排列符合條件的資源;Latest 則按新增時間由新到舊顯示資源。在兩種模式中,個別支持者卡片皆從 90 天期限內且確認淨總額為正數的專案中抽取,抽取機率與該總額成比例。淨額為 $0 的專案不會被選中。專案在所有符合資格的專案皆輪過一輪前不會再次被抽取,之後會開始新的一輪。

GitHub 與網站卡片以預覽圖為首,下方為不同的文字排版。影片則維持其較寬的呈現方式。當來源提供支援的公開指標時,眼睛圖示代表瀏覽次數,星星圖示代表收集時的 GitHub 星數;兩者皆非 JEVLAB 的點擊次數。遺漏的指標將留白。

開啟卡片以查看來源筆記、原始連結與儲存控制項。翻譯僅為閱讀輔助;請查閱創作者的原始內容以獲取背景資訊、當前說明與效能聲明。

支持者共享一個全球看板。橫幅顯示前十名,側邊欄顯示前五名。資源之間的個別卡片從 90 天期限內且確認淨支持額為正數的每個專案中抽取,包含前十名以外的專案與 $1 的貢獻者,抽取機率與當前期間的確認淨支持額成比例,且一輪內不重複。開啟支持者榮譽榜以查看每個專案當前的 90 天總額。過期專案將保留在底部,總額為 $0,且無識別位置或選取機會;針對相同網址的新確認支持將開啟新期間,並從零開始累計總額。若要貢獻,請搜尋專案網址,複製其訊息並使用「透過 Buy Me a Coffee 繼續」;在付款前將訊息貼上至結帳頁面。支持額決定看板位置與出現在資訊流的機率,而非編輯品質。不保證曝光次數。

Live 是最近活躍訪客的估計值。Total Visits 彙總所有語言的每日造訪量,並非網站整個營運期間的不重複訪客人數。公開造訪量與外連點擊量包含營運者提供的初始值及之後實際記錄的事件。

來源檢查日期為 2026 年 9 月 22 日。插圖為 JEVLAB 解說藝術作品。翻譯經 AI 輔助;官方來源對於當前 API 細節仍具權威性。