Jev：把一个判断交给模型，动作仍由代码决定
返回机制目录 · 模型、Harness、CLI、Skill、MCP 的职责 · 来源记录
在一个已有 Agent 的工作流里，如何判断本轮该提示哪项 Skill？规则很容易因用户说法变化而漏判；让生成式模型自行加载，也会把判断和动作混在一起。TypeSafe 将 Jev 称为 System One 模型：输入 state 和预先定义类型的问题，返回限定形状的判断及概率，供程序继续处理。发布文和架构文档均是厂商说明；本文没有调用 API 或独立复现其性能。
核心路径是：状态 + 有类型的问题 → 概率／结构化判断 → 代码阈值或人工复核 → 动作。状态可以是本轮请求和可用 Skill 的简短描述；问题可以是“本轮是否需要 Skill？”（Noul，返回“是”的概率）和“若需要，哪一项最合适？”（Choice，在给定选项中选择并返回概率分布）。快速入门展示了同一请求中的 state、questions 和 answers；Noul与Choice文档解释了两类输出。
| 部件 | 在这个例子里负责什么 |
|---|---|
| Jev 模型 | 对给定状态与问题作有界语义判断；不生成任意 Skill 名称或自己调用工具。 |
| Agent | 处理用户目标，可能在后续步骤参考建议；其后续行为不能由 Jev 的答案保证。 |
| Harness／运行器 | 收集状态、发起调用、实施阈值和权限策略，并决定是否把建议交给 Agent 或人。 |
| Skill | 被选择的工作方法与资源；即便被推荐，也不会自行执行或增加权限。 |
TypeSafe 的官方 Skill 推荐案例用两次请求筛选候选，最后只给 Agent 一条可忽略的建议。它报告的错误率改进来自厂商自己的样本、模型和评测流程；不是本书的独立验证。下面只借用“是否需要 + 候选选择”的机制，改成更短的示意代码，不是该案例的复制、可直接部署的策略或实测结果：
python
from typesafe_sdk import Choice, Noul, TypeSafeClient
def suggest_for_turn(user_request: str):
state = {
"request": user_request,
"skills": {
"slides-author": "从需求制作新的演示文稿",
"slides-edit": "修改已有演示文稿",
},
}
with TypeSafeClient(model="jev-1.13.0") as client:
answers = client.system_one(
state=state,
questions={
"needs_skill": Noul(
instructions="这轮请求是否需要使用给定的任一 Skill？"
),
"which": Choice(
instructions="若需要 Skill，哪项最贴合这轮请求？",
criteria=state["skills"],
),
},
).answers
need = answers["needs_skill"].noul
choice = answers["which"]
if need <= 0.20:
return None # 不提示 Skill
if need < 0.90 or choice.confidence < 0.80:
return human_review(user_request) # 由宿主实现的复核入口
return propose_to_agent(choice.choice) # 建议；宿主仍核对权限与适用性human_review 和 propose_to_agent 是示意中的宿主函数。0.20／0.90／0.80 只是教学阈值，不能从一次模型输出推导出来；实际需要用目标任务的标注样本、误判代价和版本固定的模型调校。Choice.confidence描述选项概率分布的集中程度，不等于“这次选择正确的概率”；Noul.noul是对所问“是”的概率，也不是动作许可。置信度说明要求按应用数据设门槛。模型超时、返回异常、候选已失效时，宿主也要有明确的停下或人工处理路径。
边界在哪里？ 输出符合预设类型，只约束“能返回什么形状”，不保证选中的 Skill 在语义上正确，更不保证之后的 Agent 正确执行。比如“修改现有 PPT”被误分到 slides-author，结构仍完全合法。TypeSafe 的已知问题还列出 jev-1.13 对计数、日期比较、多层间接推理、冗长无关状态及对抗内容的局限；确定性的计数与日期运算应由代码完成。它也指出，对同一意思换一种问题类型或取反提问，概率不必满足直觉中的算术关系。因此阈值不能跨问题类型直接搬用。
适合把选项有限、问题可拆小、错误可复核的判断嵌入已有软件，例如路由、筛选、Skill 提示或结果打标。不适合要求模型自行规划长任务、生成正文或代码、做精确算术，也不适合把一次高分当作高风险动作的唯一依据。官方模型页说明 Jev 目前以英文表现最好，非英文内容需单独测试；示意中的中文输入因此尤其不能视为已验证效果。版本别名会移动，调过阈值的部署应固定模型版本并记录返回的版本号。
自测
Choice返回了slides-edit且类型正确，是否证明本轮一定该加载它？为什么？needs_skill=0.63时，谁决定去人工复核，而不是直接加载？- 需求要比较两个日期的先后，应该把哪一步留给代码？
在线预览稿：书稿仍在校稿，系统篇以文内固定源码版本为准；静态阅读不等于运行验收。