Podaj kontekst
Podaj odpowiedni tekst, stan JSON lub listę elementów tekstowych. Obecnie Jev akceptuje tekst, a nie obrazy, dźwięk ani wideo.
Jev to pierwszy model System One firmy TypeSafe. Zwraca decyzje o określonym typie i prawdopodobieństwa, które może wykorzystać oprogramowanie. Poznaj zastosowania i zobacz, jak wywołać model w kodzie.
TypeSafe określa Jev jako model System One: zamiast generować otwarty tekst zwraca wybory o zdefiniowanym typie oraz prawdopodobieństwa. Sprawdź, gdzie takie podejście sprawdza się obok modeli generatywnych i kodu opartego na regułach.
| Aspekt | Jev | Generacyjne LLM | Kod oparty na regułach |
|---|---|---|---|
| Wyjście | Z góry zdefiniowane wybory o określonym typie, oceny i prawdopodobieństwa | Elastyczny tekst, kod lub uporządkowane dane wyjściowe | Wartości deterministyczne z warunków jawnych |
| Szybkość | Zoptymalizowany pod kątem decyzji o niskim opóźnieniu; TypeSafe zgłasza w swoich testach 70–500 ms | Zależy od modelu, promptu i długości odpowiedzi | Zwykle bardzo szybki przy znanych warunkach |
| Najlepsze dopasowanie | Powtarzalne decyzje wymagające zrozumienia danych wejściowych | Pisanie, złożone rozumowanie i zadania otwarte | Jasne warunki i stabilne definicje |
| Główne ograniczenie | Nie generuje swobodnego tekstu; odpowiedź o poprawnym typie nadal może być błędna | Elastyczne wyniki mogą wymagać analizowania i sprawdzania poprawności | Trudno uwzględnić każdy przypadek, gdy dane wejściowe są niejednoznaczne |
Dane dotyczące prędkości są raportowane przez TypeSafe dla poszczególnych testów decyzji strukturalnych. Nie są niezależnym punktem odniesienia ani uniwersalną gwarancją prędkości. Przeczytaj metody
Użyj Jev, gdy odpowiedzi są znane, ale dane wejściowe nadal wymagają interpretacji. Użyj modelu generatywnego, aby utworzyć nowy tekst lub kod. Zapisz wyraźne warunki bezpośrednio w kodzie.
Jev ocenia tekst lub dane strukturalne na podstawie zdefiniowanych pytań. Zwraca wybory, oceny i prawdopodobieństwa, które aplikacja może wykorzystać do określenia kolejnego kroku.
“Moja subskrypcja została obciążona dwa razy. Czy możecie pomóc?”
Który zespół powinien się tym zająć?
Przykładowe prawdopodobieństwo 0.92
Podaj odpowiedni tekst, stan JSON lub listę elementów tekstowych. Obecnie Jev akceptuje tekst, a nie obrazy, dźwięk ani wideo.
Poproś o wybór, ocenę lub prawdopodobieństwo odpowiedzi tak/nie. Dostępne odpowiedzi definiujesz przed wywołaniem API.
Wykorzystaj wynik i poziom niepewności do routingu, weryfikacji lub działania. Poprawny typ odpowiedzi nie gwarantuje trafnej decyzji.
Na podstawie oficjalna dokumentacja TypeSafe
Jev jest przeznaczony do ukierunkowanych, powtarzalnych decyzji z określoną przestrzenią odpowiedzi. To są punkty wyjścia, a nie obietnice wydajności; przetestuj je na własnych danych.
Klasyfikuj reklamacje i opinie sprzedawców, oceniaj pilność i kieruj sprawy do właściwego zespołu. Niejasne przypadki przekazuj człowiekowi.
Filtruj strumień treści według preferencji użytkownika i oceniaj trafność propozycji, łącząc wynik z własnymi sygnałami rankingowymi.
Kieruj żądania do odpowiedniego modelu, narzędzia lub agenta; decyduj, czy szukać informacji, i sprawdzaj, czy wynik wystarcza do kolejnego kroku.
Sprawdzaj wiadomości, zmiany w kodzie i wywołania narzędzi według konkretnych zasad. Ryzykowne lub niejasne przypadki oddawaj do oceny człowiekowi.
Na podstawie stanu gry i ograniczonej listy dozwolonych ruchów Jev wybiera następne działanie przeciwnika AI lub postaci NPC. Reguły i wykonanie ruchu pozostają w kodzie gry.
Sortuj pocztę i powiadomienia według własnych zasad, oceniaj stan inteligentnego domu lub decyduj, kiedy uruchomić rutynę.
Zacznij od konkretnej decyzji, której aplikacja już potrzebuje. Zdefiniuj możliwe odpowiedzi, a następnie określ w kodzie, jak wykorzystać wynik.
Wybierz jedno konkretne pytanie, np. skierowanie zgłoszenia lub ocena trafności elementu.
Zdefiniuj dane wejściowe, pytania i dozwolone odpowiedzi przed wywołaniem interfejsu API.
Użyj prawdopodobieństw i poziomu pewności, aby wybrać działanie, ścieżkę awaryjną lub weryfikację przez człowieka.
Ten przykład TypeScriptu po stronie serwera wysyła wiadomość pomocy technicznej i dwa pytania ze zdefiniowanymi formatami odpowiedzi do Jev 1.13 za pośrednictwem OpenRouter. Zachowaj klucz API na swoim serwerze; Twoja aplikacja decyduje o sposobie wykorzystania wyników.
Wypróbuj Jev za darmoconst apiKey = process.env.OPENROUTER_API_KEY;
if (!apiKey) throw new Error("Set OPENROUTER_API_KEY");
const response = await fetch("https://openrouter.ai/api/alpha/decisions", {
method: "POST",
headers: {
Authorization: "Bearer " + apiKey,
"Content-Type": "application/json"
},
body: JSON.stringify({
model: "typesafe/jev-1.13",
state: "My card was charged twice. Please help ASAP.",
questions: {
department: {
type: "choice",
instructions: "Which team should handle this?",
criteria: {
billing: "Payments and refunds",
technical: "Bugs and integrations"
}
},
urgent: {
type: "noul",
instructions: "Does this message need urgent attention?"
}
}
})
});
if (!response.ok) throw new Error("Jev request failed: " + response.status);
const {answers} = await response.json();
if (answers.department.choice === "billing" && answers.urgent.noul > 0.8) {
// Route to the billing review queue.
}POST /api/alpha/decisionsstate + questionsanswerschoice wskazuje zespół. noul zwraca wartość od 0 do 1 dla pytania tak/nie. Kod wykorzystuje obie wartości zgodnie z Twoimi regułami routingu.
Przed użyciem tego w środowisku produkcyjnym przetestuj reprezentatywne zgłoszenia, zapisz wersję modelu i wyślij niepewne lub istotne przypadki do sprawdzenia przez człowieka. Wartość 0,8 jest tylko przykładem.
Referencje API: OpenRouter · TypeSafe
Harness zarządza wywołaniami modelu i narzędzi. W punkcie decyzyjnym Jev odczytuje wiadomość, planowane wywołanie narzędzia lub stan agenta i zwraca odpowiedź o określonym typie. Dalszy krok wybiera kod; zadania otwarte nadal obsługuje model konwersacyjny.
ModelRouterMiddlewarebefore_agent → wrap_model_callPrzed rozpoczęciem zadania sklasyfikuj ostatnią wiadomość użytkownika i wybierz model używany w całym przebiegu. Wybór, prawdopodobieństwa i poziom pewności pozostają w stanie agenta.
AutoModeMiddlewarewrap_tool_callSprawdź wywołanie wybranego narzędzia przed jego wykonaniem. Jeśli Jev wykryje ryzyko lub brak uprawnień, middleware blokuje wywołanie i zwraca ToolMessage z komunikatem o błędzie. Nie prosi człowieka o zatwierdzenie.
TypeSafeClassifierChoice · Score · NoulWłasny middleware może dodać kolejne punkty kontroli: przekaż wiadomości lub stan agenta do TypeSafeClassifier, zapytaj przez Choice, Score lub Noul i zdecyduj w kodzie, czy kontynuować, czy skierować sprawę do oceny.
Żądanie określa format pytań i odpowiedzi. Odpowiedź zwraca wynik dla każdego z nich. Oto pola JSON użyte w przykładzie.
modelstatequestionstypeinstructionscriteriaanswerschoiceprobabilitiesconfidencenoulOdpowiedź o poprawnym formacie nadal może być błędna. Testuj reprezentatywne przypadki i ustaw progi routingu odpowiednie dla swojego procesu.
Jev to model TypeSafe. Społeczność bada szybkie, ustrukturyzowane decyzje także przy użyciu otwartych modeli i interfejsów. Porównaj kod, podejścia i ograniczenia.
To niezależne projekty społeczności, a nie oficjalne wersje Jev.
Poznaj główne punkty dyskusji na temat premiery, oficjalny pakiet SDK i niezależny film. Przeczytaj kontekst tutaj, a następnie skorzystaj z oryginalnych źródeł, aby uzyskać więcej szczegółów.
TypeSafe publikuje na X informacje o premierze i kontekst produktu. Traktuj te wpisy jako opis zespołu, a przed oparciem wdrożenia na konkretnym twierdzeniu sprawdź dokumentację.
Zobacz oryginałOficjalny zestaw SDK JavaScript i TypeScript pokazuje powierzchnię API, przykłady i aktywność związaną z wydaniami. Jest to najbardziej przydatne miejsce do sprawdzenia, jak żądanie Jev jest reprezentowane w kodzie.
Zobacz oryginałWątek startowy zawiera pytanie, gdzie pasuje model decyzyjny, jak go ocenić i co zrobić, gdy pewna odpowiedź jest błędna. To dyskusja, a nie test wydajności.
Zobacz oryginałAllie Laabs z TypeSafe wyjaśnia w programie ThursdAI model System One oraz odpowiedzi Choice, Score i Noul. Prowadzący testują klasyfikowanie wpisów, pokazują demo gry Doom i omawiają ograniczenia Jev.
Zobacz oryginałNiezależny materiał RepoChad omawia schemat odpowiedzi, deklaracje TypeSafe dotyczące szybkości, przykładowe demonstracje i otwarte pytania. Wideo ładuje się dopiero po kliknięciu odtwarzania.
Zobacz oryginałTypeSafe AI wprowadziło Jev jako swój pierwszy model System One. Jego deklarowanym celem jest podejmowanie szybkich, ustrukturyzowanych decyzji, które można wykorzystać w zwykłych przepływach pracy oprogramowania.
Założyciel Diogo Almeida pracował wcześniej w OpenAI i Google Brain. Według TypeSafe jego praca nad wykonywaniem instrukcji i RLHF pomogła ukształtować badania, które doprowadziły do powstania ChatGPT.
Nie. Jev zwraca decyzje o określonym typie i prawdopodobieństwa, a nie swobodne odpowiedzi czatu ani wygenerowany kod.
Jev może pomóc oceniać lub ponownie porządkować elementy według trafności semantycznej. Pełny system rekomendacji nadal potrzebuje pozyskiwania kandydatów, reguł biznesowych, ewaluacji i własnej logiki rankingu.
Nie. Typ odpowiedzi ogranicza jej format, ale wybrana opcja nadal może być błędna. Testuj model na reprezentatywnych danych i obsługuj niepewność w kodzie.
Zacznij od oficjalnej dokumentacji TypeSafe i zestawu SDK. Strona modelu OpenRouter zapewnia również dostęp do Jev za pośrednictwem jego platformy.
Zdefiniuj pytanie i możliwe odpowiedzi. Pozwól aplikacji zdecydować, co zrobić z wynikiem.