企业官网建设流程全解析

typesafe.ai推出了 jev 离散决策模型，说人话就是“只做选择题，不做问答题”，你问一个问题，他只判断/选择，响应严格的JSON格式给程序使用。官网比喻是一个智能if语句，快到就像访问普通API接口一样，没有流式响应，秒级一次性出结果。价格大约0.3元人民币/百万token，只按输入token计费，输出不计费(因为就没几个token的输出)。

1、 choice/选择/分类问题

请求如下

curl-XPOST https: //api.typesafe.ai/v1/systemone\-H"Authorization: Bearer$TYPESAFE_API_KEY"\-H"Content-Type: application/json"\-d'{ "state": { "工单": "我上周买的跑鞋尺码不对，太大了一码，能换一双 41 码的吗？", "客户等级": "普通会员" }, "model": "jev-latest", "questions": { "处理部门": { "type": "choice", "instructions": "这个工单应该由哪个团队处理？", "criteria": { "退换货": "客户要求换货、退货或退款", "物流": "客户询问配送进度、包裹丢失或地址问题", "账单": "客户对扣款、发票或价格有疑问" } } } }'

响应看到 该问题 明确补分类至 退换货。

{"model":"jev-1.13.0","answers":{"处理部门":{"type":"choice","choice":"退换货","confidence":1.0,"probabilities":{"账单":0.0,"退换货":1.0,"物流":0.0}}},"usage":{"input_tokens":423,"output_tokens":46}}

2、Score：评分/打分问题

请求

curl-XPOST https: //api.typesafe.ai/v1/systemone\-H"Authorization: Bearer$TYPESAFE_API_KEY"\-H"Content-Type: application/json"\-d'{ "state": { "平台": "外卖点评", "订单": "麻辣香锅 + 米饭，预计 40 分钟送达", "评论": "味道还行，就是等了一个多小时，到手已经温了，汤还洒了半个袋子，包装就一层塑料袋。骑手说出餐慢。" }, "model": "jev-latest", "questions": { "星级": { "type": "score", "instructions": "这条评论整体对应几星？", "criteria": [ "1星：体验极差，强烈劝退", "2星：明显不满意，有实质问题", "3星：一般，有好有坏", "4星：比较满意，小瑕疵", "5星：非常满意，愿意推荐" ] } } }'

响应看到 0.94分 对应的是 “2星：明显不满意，有实质问题”。

{"model":"jev-1.13.0","answers":{"星级":{"type":"score","score":1.04,"confidence":0.95,"legend":{"0":"1星：体验极差，强烈劝退","1":"2星：明显不满意，有实质问题","2":"3星：一般，有好有坏","3":"4星：比较满意，小瑕疵","4":"5星：非常满意，愿意推荐"},"probabilities":{"0":0.01,"1":0.94,"2":0.05,"3":0.0,"4":0.0}}},"usage":{"input_tokens":463,"output_tokens":18}}

Noul：是否为真 逻辑判断

请求：

curl-XPOST https://api.typesafe.ai/v1/systemone\-H"Authorization: Bearer$TYPESAFE_API_KEY"\-H"Content-Type: application/json"\-d'{ "state": { "工单": "客户已联系三次，同一问题未解决", "首次联系": "2026-09-14", "渠道": "在线客服" }, "model": "jev-latest", "questions": { "应升级人工": { "type": "noul", "instructions": "这个工单是否应该升级到人工客服处理？", "criteria": { "true": "重复联系且问题仍未解决，自动流程已无法推进", "false": "首次或偶发联系，自动流程仍可处理" } } } }'

响应看到为真的概率为：0.93
接近 1 → 是；
接近 0 → 否；
接近 0.5 → 不确定。

{"model":"jev-1.13.0","answers":{"应升级人工":{"type":"noul","noul":0.93}},"usage":{"input_tokens":390,"output_tokens":24}}

预测一下，不用了3个月，估计2026年底，中国会开源这种 “决策模型” ，这将会真正进入企业，生产级可用的那种。因为这种模型，估计0.6B ～ 8B 参数即可，使用CPU都可以运行。 各大厂商改改现有flash模型，会推出更聪明、成本比 $0.042 / 百万 Tokens 更低的模型。 如果以后 flash、pro模型加个参数，用 “决策模型” 给你判断一下，路由至对应 “决策模型” 请不要见怪。 ：） 因为决策成本太低了。

可应用场景：

• 电商用户评论分析：发评论时检测、用户评价分析（分类至：产品问题、物流问题）
• 广告/垃圾内容检测：如社交评论、邮件内容检测
• AI 模型路由：配置一个auto模型，根据问题复杂度自动路由到pro、flash模型。
• 还可用于基于接口的Computer Use、高速Browser Use等等。