Jev 保姆级教程:一次学会全部概念与用法

这几天超级火的 Jev,我发现很多人都只是看热闹,不知道怎么参与进去,包括我自己。所以我详细调研、按步骤走进去之后,写成这份教程,帮更多小白把这个判定模型真正用起来。

先说清楚它是谁。X 上这个 Jev,跟游戏主播 FaZe Jev 不是一回事。这里说的是 TypeSafe AI 在 2026 年 9 月公开的模型。

它不聊天,不写文案,不写代码。你给它一份材料,再给它几道事先写好的题,它只返回结构化答案和每个答案的概率。

官方把它叫 System One Model。你可以理解成软件里的判断零件:这封客服信交给谁,这步该点哪个按钮,这封邮件要不要马上回。大模型继续负责写和想,Jev 负责判和分流。

Jev 保姆级教程:一次学会全部概念与用法

1五个核心概念

界面上会反复跳英文。先看这张对照表,右边才是人话。

它是判定器。GPT 这类大模型一般的思路是先吐一段话,你再从里面把”退款”抠出来写进代码。

Jev 把顺序倒过来:你先规定答案只能是哪些,它从里面选,并告诉你有多有把握。

一次调用只有三块。State 是原始材料。Questions 是你事先定义的问题,每道题只能是 Noul、Choice、Score 三种之一。

Answers 按你起的键名返回。

三种题,就是全部题型。Noul 是是非题,返回 0 到 1 的概率。Choice 是单选题,你列出选项它选一个。

Score 是评分题,你规定有顺序的等级它打分。

一次调用可以同时问好几道。

confidence 是集中程度。0.92 只说明答案比较集中,不保证在你的业务里一定对。正确用法是拿自己的历史样本盲测,画出自动放行线。

英文更稳,中文能用但要测。输入目前只吃文字。图片、语音要先转成文字。中文能跑,但产品黑话要自己拿真实样本对照。

2从申请到第一次跑通 Jev

不要一上来接仓库。按这五步走,卡在哪一步就停在哪一步。

申请时把用途写具体:我在做什么,打算用 Jev 做什么。比如你在做独立开发者工具,想给工单做分流。这比只写”研究 AI”好过。

通过后不是一个对话框,是一个工作台。左侧常见 Home、Playground、Usage、API Keys。

很多人一进账单区会愣:我没绑卡,为什么能用?通过后常见赠送 5 美元。按官方单价够你把 Playground 和第一段代码跑熟。

打开 Playground,左边贴 State,右边写 Questions,点 Run。练习用这条:”我的月订阅被扣了两次款。可以帮我核对这两笔付款吗?”

同时写三道题:Noul 问是否催促马上处理。Choice 问属于哪一类。Score 问客户不耐烦的程度。

3Questions 怎么写

这是最容易卡死的一步。社区有一张上手图,把键名、类型、选项和返回值画在一起了。

State 只放判断需要的材料,别把整本公司制度贴进去。每道题先写人话,再选类型。人话写不清,换类型也救不了。

一个能直接改的骨架:

{
 "is_urgent": {
  "type": "noul",
  "instructions": "这条消息是否表达必须马上处理?"
 },
 "department": {
  "type": "choice",
  "instructions": "应该由哪个团队处理?",
  "criteria": {
   "billing": "付款、扣费、退款、对账",
   "technical": "故障、连不上、集成报错",
   "sales": "价格、套餐、新签约"
  }
 },
 "frustration": {
  "type": "score",
  "instructions": "客户表现得有多沮丧?",
  "criteria": [
   "冷静,只是在陈述事实",
   "不满,但还保持礼貌",
   "非常愤怒,使用强烈措辞"
  ]
 }
}

4能做什么,暂时别做什么

适合它的,都是答案集合事先想得清的事。

客服分流、内容初审、邮件紧急度、Agent 选下一步动作。共同点是选项事先存在,不需要它写一篇话。

写文案、写代码、开放问答、解释为什么、直接看图看视频,这些它接不住。你业务里如果没有任何调用其实只是让模型返回一个选项,可以先观察,不必追。

一个能落地的分流规则:confidence 大于 0.9 代码自动执行,0.7 到 0.9 交给大模型复核,低于 0.7 转人工。阈值必须用你自己的样本校准。

5第一段代码

Playground 跑通以后再碰 API。先把 Key 放到环境变量,不要写进仓库。

const res = await fetch(
 "https://api.typesafe.ai/v1/systemone",
 {
  method: "POST",
  headers: {
   Authorization: `Bearer ${process.env.TYPESAFE_API_KEY}`,
   "Content-Type": "application/json",
  },
  body: JSON.stringify({
   model: "jev-latest",
   state: "我的月订阅被扣了两次款。",
   questions: {
    is_urgent: {
     type: "noul",
     instructions: "是否催促马上处理?",
    },
    department: {
     type: "choice",
     instructions: "哪个团队处理?",
     criteria: {
      billing: "付款、退款、对账",
      technical: "故障、集成报错",
      sales: "价格、套餐",
     },
    },
   },
  }),
 }
);
const data = await res.json();
console.log(data.answers);

返回里读 answers:is_urgent.noul 是 0 到 1,department.choice 是选中的键,department.confidence 是集中程度。

判定之后的动作由你的 if 来写,Jev 不会替你执行业务。

6遇到问题的常见解决方法

申请一直不过,把用途写具体。找不到聊天框,用练习场或接口。Questions 不会写,先在纸上写三句人话,再标成 Noul、Choice、Score。

中文不准,同一批样本用英文题干对照。401,检查 Key 有没有进当前环境。

什么都分到”其他”,通常是前几个选项写太窄。什么都分到同一个部门,通常是 State 太短。

7怎么验证自己的业务能否使用 Jev

准备 30 条自己的旧消息,人工先标好该谁处理。用同一套 Questions 盲测。

只看 confidence 大于 0.85 的那些行,高把握里错几条,决定你的自动放行线。连 30 条都对不齐,不要接。

跟同事可以这么说:大模型像一个会写字的同事,Jev 像一个只会勾选项的同事。先让会勾选项的人把明确件拿走,再让会写字的人处理含糊件。评审时把 30 条表带上。

8去哪里获取

可以先去 typesafe.ai 排队申请。控制台、Key、Playground 在 console.typesafe.ai。字段和最新限制看 docs.typesafe.ai。

Jev带来的是全新的更稳定的AI执行结果,如果你的业务是严格要求AI结果稳定性,它一定会是个不错的助手,完全是模型的新方向、新范式,例如以后浏览器自动操作、实时交易、量化投资、大规模识别判断,都可以用这个模型。玩法太多了!