Jev 完全入门教程：不会说话的 AI，凭什么 200 倍速、400 倍省钱地帮程序做决定

2026 年 9 月 18 日，TypeSafe AI 发布了 Jev——一个不输出任何文字的 AI 模型。五天内 GitHub 上冒出 3000+ 个相关项目，发布周视频播放量动辄几十万。这篇教程带你从零搞懂它是什么、为什么火、怎么用。

01 Jev 到底是什么

一句话：Jev 是一个可以直接嵌入软件的"AI 决策函数"。

它和我们熟悉的 ChatGPT、Claude、Gemini 有本质区别：

	普通 LLM	Jev（System One）
核心能力	生成内容	做判断、做选择
输出	一段文字	结构化决策（选项/分数/概率）
典型问题	“你觉得应该怎么处理？”	“这是不是退款诉求？YES 0.91”
程序拿到后	还得解析文本	直接执行下一步
速度	秒级	70~500 毫秒
成本	$0.2~10 / 百万 token	$0.042 / 百万 token（输出免费）

想想程序里真正需要的 AI 判断是什么样的：

这条消息是不是垃圾信息？
这个用户是不是高意向客户？
这个请求需不需要人工审核？
这次操作有没有风险？

这些问题都不需要 AI 写一大段话。程序需要的只是 YES 0.91、高风险、模型A 这样一个能直接用的答案。

名字的来历：Jev 取自经济学家 William Stanley Jevons（杰文斯悖论的提出者）——越便宜的东西，用得越多。而"System One"则借用了卡尼曼《思考，快与慢》的框架：System 1 是快速的直觉判断，System 2 是慢速的深思熟虑。Jev 就是给 AI 世界补上了"快思考"这一块。

02 为什么 LLM 干不好这件事

普通大模型有两个改不掉的毛病，用在自动化上很要命：

过度自信：不管懂不懂都答得特别自信。假如某个 AI 判断能做对 95%，听起来不错——但如果你不知道错的那 5% 是什么情况，根本不敢把它接入自动流程。
输出是给人看的，不是给程序用的。让它判断工单类型，它回你一段"建议先核实订单信息……"，程序还得再写一层解析。

Jev 的思路完全不同：每个答案自带一个校准过的把握度（confidence）——官方称模型说 0.8 的时候，在一批案例里大约八成是对的。这套"该确定时才动手，拿不准就老实喊人"的机制，是能真正信任一个自动化系统的前提。一个会说"我不知道"的 AI，比一个永远自信满满的 AI 靠谱得多。

03 三种问题类型：整个 API 就这么点词汇量

Jev 的输入是两样东西：一段状态（state）+ 一组类型化的问题（questions）。问题只有三种：

类型	问什么	返回什么
Choice	从你给的选项里挑一个（最多 255 个）	选中的选项 + 每个选项的概率 + confidence
Score	按有序等级打分	分数（可以落在两级之间）+ 每级概率 + confidence
Noul	是 / 否判断	0~1 的概率（接近 1 是强是，接近 0 是强否，接近 0.5 表示它不知道）

Noul 不带单独的 confidence，因为概率本身就是把握度。

最关键的设计：所有问题并行且相互隔离地评估。加十个问题几乎不增加响应时间，而且问题之间不会互相污染——长 prompt 里的"context 腐化"在这里结构性地不可能发生。

04 五分钟上手

第一步：拿 API Key

到 console.typesafe.ai 注册，创建 API Key。不想写代码的话，同站的 playground 里贴段文字、加上问题就能玩。

第二步：装 SDK

# Python 3.10+
pip install typesafe-sdk

JavaScript/TypeScript 也有官方 SDK：@typesafe-ai/sdk。

第三步：最小的可用程序

from typesafe_sdk import Noul, TypeSafeClient

client = TypeSafeClient()  # 自动读取环境变量 TYPESAFE_API_KEY

response = client.system_one(
    state="Hi, I have not been able to log in for 3 days. I am losing sales. Please help fast!",
    questions={"urgent": Noul(instructions="This message conveys urgency or time pressure")},
)

print(response.answers["urgent"].noul)  # 0.99

没有 system prompt，没有"请只输出 JSON"，没有包着解析器的 try/except——直接拿回一个 float。

05 一个完整的实战例子

客服工单分类是 Jev 的经典场景。一次请求，同时问三个维度：

from typesafe_sdk import Choice, Noul, Score, TypeSafeClient

client = TypeSafeClient()

ticket = ("Hi, I've been trying to connect my Stripe account for 3 days "
          "and it keeps failing. I'm losing sales. Please help ASAP.")

response = client.system_one(
    state=ticket,
    questions={
        "department": Choice(
            instructions="Which team should handle this",
            criteria={
                "billing":   "Payment or subscription issues",
                "technical": "Bugs or integration problems",
                "sales":     "Pricing or account questions",
            },
        ),
        "frustration": Score(
            instructions="How frustrated the customer appears",
            criteria=[
                "Calm, just stating facts",
                "Frustrated but civil",
                "Very angry, strong language",
            ],
        ),
        "is_urgent": Noul(
            instructions="The message conveys urgency or time-sensitivity",
        ),
    },
)

print(response.answers["department"].choice)   # billing
print(response.answers["frustration"].score)   # 1.035
print(response.answers["is_urgent"].noul)      # 0.999

对应的原始 HTTP 请求与响应长这样（不想装 SDK 就直接 cURL）：

{
  "answers": {
    "department": {
      "type": "choice",
      "choice": "billing",
      "probabilities": { "billing": 0.84, "technical": 0.159, "sales": 0.001 },
      "confidence": 0.596
    },
    "frustration": {
      "type": "score",
      "score": 1.035,
      "legend": { "0": "Calm, just stating facts", "1": "Frustrated but civil", "2": "Very angry, strong language" },
      "confidence": 0.842
    },
    "is_urgent": { "type": "noul", "noul": 0.999 }
  },
  "usage": { "input_tokens": 312, "output_tokens": 48 }
}

注意两个细节：

score 可以落在两级之间：1.035 表示"介于冷静和恼火之间，偏向恼火"。
choice 的最高概率不等于高 confidence：billing 赢在 0.84，但 technical 还占着 0.159，概率分布不够"尖"，所以 confidence 只有 0.596。这正是 confidence 的意义——它衡量的是整个概率分布的形状。

06 Confidence 三档分流：这才是产品本身

TypeSafe 官方推荐的模式：按置信度把流量切成三档。

flowchart LR
    A["Jev 决策 + confidence"] --> B{"confidence 区间"}
    B -->|"高（如 ≥0.9）"| C["自动执行
不打扰任何人"]
    B -->|"中"| D["请求用户确认
或补充信息后重判"]
    B -->|"低"| E["转人工
或交给更强的推理模型"]
    C --> F["记录结果 → 持续评估"]
    D --> F
    E --> F
    style A fill:#2563eb,stroke:#1d4ed8,color:#fff
    style B fill:#0ea5e9,stroke:#0284c7,color:#fff
    style C fill:#16a34a,stroke:#15803d,color:#fff
    style D fill:#f59e0b,stroke:#d97706,color:#fff
    style E fill:#dc2626,stroke:#b91c1c,color:#fff
    style F fill:#64748b,stroke:#475569,color:#fff

这个"置信度门控级联"（confidence-gated cascade）有独立数据背书：第三方在 791 个标注决策上实测，8 路分类任务 Jev 整体准确率 83.8%，但在它置信度 ≥90% 的子集上准确率达到 95.5%——把没把握的流量交给更大的模型兜底，比无脑信任每个答案靠谱得多。阈值怎么定？跟着"做错一次的代价"走：错发一封邮件和错扣一笔款，门槛当然不同。

07 设计问题的艺术：大判断拆成小判断

用 Jev 最核心的手艺是提问。不要问大而空的问题，要拆成一堆又小又具体的小问题，再用程序组合答案。

以"判断一封邮件是不是垃圾邮件"为例，最偷懒的问法是直接问"这是垃圾邮件吗？"——又大又含糊，既看不清它凭什么这么判，也没法调整。正确的拆法：

这封邮件是不是在索要密码之类的登录凭证？（Noul）
是不是声称你中了个你根本没参与的大奖？（Noul）
是不是在制造"赶紧行动否则来不及"的紧迫感？（Noul）
发件人自称的机构，跟它的邮箱域名对不对得上？（Noul）
链接的落地网址，跟显示文字是不是一回事？（Noul）

每个小问题都具体到几乎没有含糊空间。哪个置信度低，就知道该补哪条规则——可调试、可归因、可迭代，这是大问题打包问法给不了的。

08 真实场景清单

找 Jev 用武之地的口诀：凡是你写过丑陋的 if-else / 正则 / 关键词列表又不满意的地方，凡是目前靠人眼一条条看的地方。

电商与平台：商品上架审核（描述匹配类目吗？有没有联系方式引流站外？价格可信吗？）、退货分流（自动通过 / 疑似欺诈标记）
SaaS 与 B2B：工单路由、支持对话中的流失信号（给高价值客户的情绪分打预警）、从工单堆里筛功能需求
规模化分析：5 万条评论一次打标（哪个维度抱怨 + 严重程度），直接出看板
Agent 架构：模型路由器——按任务复杂度在便宜模型和旗舰模型之间动态调度，Jev 当"调度员"
搜索意图：查询词"apple"是水果还是品牌？是产品名、提问还是拼写错误？

09 价格与性能：官方数据 vs 独立实测

官方口径（TypeSafe 自家 workflow evals，参考答案取 GPT-6 Astra 与 Fable 5.1 的平均）：

输入 $42 / 十亿 token（即 $0.042 / 百万），输出 token 免费，比 Claude Fable 5.1 便宜约 238 倍
发布演示：同一决策 Jev 0.114 秒 / $0.000081，对比模型 8.566 秒 / $0.013880 —— 号称 193.6 倍快、444.6 倍省

独立实测（第三方在 791 个标注决策上的对比）要冷静一些：

价格优势真实存在但小于头条数字：对旗舰模型约 40~49 倍便宜，对最便宜的小模型约 4.7~7.5 倍
延迟：中位数 0.33 秒（对比 0.67~1.17 秒），依然显著更快

技术规格：请求上限 64k token（state 最多 32k），限流 25 万 token/秒、1200 请求/分钟。错误码是熟悉的 401 / 422 / 429 / 529。

10 局限与冷静看待

热点面前把丑话说在前面：

它真的不会算数：官方文档明说 Jev 不能数数、不能比较日期、不能做算术。它是判断力，不是计算器。
纯文本输入、不可微调：所有人用同一套权重，调优只能靠 state 和问题的措辞。
黑盒：没有模型卡、没有公开权重、参数量未公开，架构未披露（只说用了新架构 + 并行采样器 + RLCD——面向校准决策的强化学习）。
校准概率是统计性质：说 0.8 意味着一批同类预测里约八成正确，不保证单个case正确。类型保证了接口，不保证真理。
标签重叠时会"自信地错"：第三方实测里它最有把握的 5 个 8 路分类错误全部集中在同一对容易混淆的意图上——这是标注问题，置信度分数救不了。
演示数据要打折看：市面上已有不少夸大其词的 Jev demo，官方 benchmark 也是自己人写的 workflow，价格是否补贴未知。

11 核心心法：LLM 生成，Jev 决策，Code 执行

Jev 不会替代 LLM，它代表的是一种不同的分工：

LLM      →  理解和生成（模糊性）
Jev      →  判断和决策（YES/NO、A/B/C、0~100）
Code     →  执行（确定性）
Database →  保存状态

以后遇到问题先自问一句：“我是不是不需要 AI 写一大段话，而只是需要 AI 帮我做一个决定？” 如果答案是"是"，System One 就值得考虑。

推荐学习顺序（从零开始别一上来就研究复杂架构）：

理解 Noul → 2. 理解 Choice → 3. 理解 Score → 4. 理解概率与 confidence → 5. 学会设计 Question → 6. 组合 Workflow → 7. 接入 API → 8. 加入评估和监控

记住这套核心工作流就入门了：

输入状态 → 提出明确问题 → 定义输出类型 → Jev 判断
→ 获取概率 → 设置阈值 → 程序执行 → 记录结果 → 持续评估

12 资料汇总

官方控制台（Key 与 Playground）：console.typesafe.ai
API 端点：POST https://api.typesafe.ai/v1/systemone
Python SDK：pip install typesafe-sdk（3.10+）；JS SDK：@typesafe-ai/sdk
让 AI 编程助手直接会用：TypeSafe 发布了 agent skill（typesafe-ai/skills），Claude Code 一条命令安装

参考来源：TypeSafe AI 官方文档与发布博客、brieflyglobal.com、projedefteri.com、blog.lepine.pro、botmonster.com、ayautomate.com（第三方实测）。文中性能与价格数字凡标"官方"者均出自 TypeSafe 自报口径，请注意甄别。