Jev 怎么用？三种原语 Choice、Score、Noul 使用入门

把 Jev 接进项目的第一天，我最想要的其实是一份"能照着做"的上手说明，而不是又一篇讲理念的文章。这一周我把它的调用方式、三种原语、以及一次调用的请求响应结构都跑通了，这篇就把我总结的入门路径写下来：一次调用长什么样、Choice / Score / Noul 各自怎么用、怎么把多个问题合并进一次请求、以及新手最容易犯的几个错。文中示例结构改编自 TypeSafe 官方快速开始文档，Jev 仍处早期访问阶段，接口细节以官方为准。

一、一次调用的心智模型：状态进，判断出

理解 Jev 的用法，只需要记住一句话：我给它一份 state（状态）和一组 questions（问题），它并行返回每个问题的类型化答案。

state 就是要判断的原始信息，可以是一段字符串、一个 JSON 对象或一个数组；questions 是我针对这份状态提出的若干类型化问题。它不生成文本，返回的直接是结构化数值和概率分布，我的代码读字段即可，中间没有"生成 JSON 再解析"这一步。

下面这张图展示了一次调用的完整结构，从请求到响应再到代码分支：

Jev 一次调用的请求与响应结构

二、三种原语，覆盖绝大多数判断

Jev 目前提供三种问题类型，官方称为 primitives。它们各自回答一类问题：

这三种几乎能覆盖我日常遇到的所有判断需求。分类、路由是 Choice；风险、情绪、优先级分级是 Score；"是不是垃圾邮件、是否表达了取消意图"这类真伪判断是 Noul。

三、Choice、Score、Noul 分别怎么用

我把三种原语的实际用法各举一个我在用的例子。

Choice 用于"多选一"。比如一张客服工单，我给它候选项 billing（账单）、technical（技术）、sales（销售），再问"该交给哪个团队"。它返回选中的团队，同时给出三个选项各自的概率和一个置信度。这里的关键是候选项由我提供，模型只在这几个里面选，不会冒出第四个。

Score 用于"打分/分级"。比如判断客户情绪，我给一个评分标准："平静陈述事实 / 有点不满但克制 / 非常愤怒、言辞激烈"，它会落到某一档，并给出概率分布。评分标准写得越清晰、各档差异越明确，结果越稳。

Noul 用于"真伪概率"。比如问"这条消息是否表达了紧急"，它返回一个 0 到 1 的概率。我可以直接把它写进代码判断，比如概率大于 0.8 就走加急流程。

四、把多个问题合并进一次调用

我认为这是 Jev 用得爽的关键技巧：三种问题可以在一次请求里混着问，它们各自独立评估同一份 state，而且加问题几乎不增加响应时间。

拿前面那张客服工单来说，我在一次调用里同时问三个问题，"交给哪个团队（Choice）""客户有多激动（Score）""是否紧急（Noul）"。一次请求，三个类型化答案一起回来，我的代码分别读取字段后各走各的分支。相比给大模型写一长串 prompt 再解析一大段 JSON，这种方式又快又干净。

五、置信度怎么用进代码

每个 Choice 和 Score 答案都带一个 0 到 1 的置信度，这是我写健壮逻辑的抓手。

我的常见写法是三档分流：置信度高，自动执行；置信度中等，转人工复核或加一道校验；置信度低，升级回大模型或人工处理。Noul 返回的概率本身也能当阈值用。但有一条我反复提醒自己：阈值必须用我自己的数据去标定，0.9 是我人为设的线，不代表模型真有九成准确率。置信度反映相对高低和风险分层，不能直接当作准确率。

六、新手最容易犯的几个错

把我踩过、以及看别人踩过的坑列出来，能少走弯路。

第一，把问题写得太大。像"分析这件事并决定最佳方案"这种它答不好，因为需要慢思考。正确做法是拆成若干个"一秒能拍板"的原子问题，再在代码里组合。

第二，指望它算数或比日期。它不是计算器，也不能把日期当有序值比较。需要计算的部分，先在代码里算好，再把结果作为 state 交给它判断。

第三，往 state 里塞太多无关内容。噪声既涨输入成本，又拖累准确率，精简 state 是性价比最高的优化。

第四，误解"不会幻觉"。它只保证不越出 schema，不保证选得对，所以置信度分流和自己的评测不能省。

七、怎么开始试用

目前 Jev 处于早期访问阶段，需要加入候补名单逐步开放，部分第三方模型网关也已上架，可以作为试用入口。官方也提供了一个适配器，能用同一套 Choice / Score / Noul 接口去调用兼容的大模型，方便我在成本、速度、准确率上做同题对比，这对判断"哪些判断该迁到 Jev"很有帮助。由于规格与定价仍在调整，正式接入前以官方最新文档为准。把这套心智模型和三种原语用熟，剩下的就是拿自己的任务去跑、去标阈值、去测收益，这条上手路径并不长。