Jev 怎麼用：choice、score、noul 三種問題型別，與五個台灣團隊可以直接抄的模式

Jev 不寫字只下判斷：choice、score、noul 三種問題型別怎麼挑

Jev 由 TypeSafe AI 在 2026 年 9 月 15 日發布。丟一段狀態給它，它不回句子，只回三樣東西：帶型別的答案、每個選項的機率、信心分數。信心分數（confidence）就是它對這個答案有多確定，程式直接讀欄位就能分流，不必解析它寫的中文。

型別只有三種，挑錯型別，問出來的答案就不能用。

三種型別各自適合問什麼

• choice，從固定選項挑一個。適合選項本來就固定的問題，例如客服信要歸到訂單、退換貨、帳務還是其他。它回一個選項加上每個選項的機率，一眼看得出它有沒有猶豫。
• score，排先後或評等級。適合「有多急」「風險多高」這類有方向性的題目，例如留言審核依風險排序。
• noul，回一個 0 到 1 的機率。noul 是白努利（Bernoulli），也就是是非題的機率，例如「這張工單要不要轉真人」。官方執行長在 Hacker News 討論串親自回覆說明它其實就是白努利，並承認名字取得不好（2026）。

問錯型別：用 choice 問「這封信有多急」，只拿到類別、拿不到程度；用 score 問「該分給哪個部門」，拿到排序卻對應不到部門；用 noul 問三選一，有機率卻不知道落在哪一類。

Cloudflare Workers AI 的官方文件有一個真實回傳可以照著看（2026）：狀態放一句「我的出款已經三天失敗」，同時問三題，回來的是 is_urgent 的 noul 為 0.95、department 的 choice 挑中 billing（信心 0.8，billing 0.87、technical 0.13、sales 0）、frustration 的 score 為 1.04（信心 0.94）。換成台灣場景，狀態改寫成「我上週訂的貨還沒到，而且我想退刷」，三題分別問要不要轉真人（noul）、該分到訂單、退換貨還是帳務（choice）、客戶情緒有多高（score），程式端只讀這幾個欄位就能分流。

兩個限制要放在心上。型別安全不等於答案正確：模型不會輸出選項表以外的值，但仍可能挑到合法卻錯誤的選項，「不會幻覺」是外界放大的說法。另一個是官方自己在 jaggedness 頁列出的（2026）：狀態裡塞越多無關內容，判斷越不準；正確順序是先用程式檢索過濾，只送問題真的需要的欄位，再讓它下判斷。

五個可以直接抄的模式，與第一次呼叫要準備的東西

第一次呼叫要準備的三件事：金鑰、套件、網址三樣。官方候補制，多數團隊從 Vercel AI Gateway、OpenRouter 或 Cloudflare Workers AI 取得存取權。Python 的 typesafe-sdk 與 JavaScript 的 @typesafe-ai/sdk 會自動讀環境變數的金鑰，預設模型是 jev-latest。

呼叫位址只有 POST https://api.typesafe.ai/v1/systemone，curl 可直接打。回傳只有三樣要讀：帶型別的答案、每個選項的機率、信心分數。沒有文字理由，不必寫解析句子的程式，其餘欄位先忽略。

五個可以直接抄的模式

以下整理自 dev.to 實戰指南（2026）。

1. 一次把相關問題全問完。官方 cookbook（2026）用一份 13 題法規簡報跑長篇維基文章，批次問比逐題問便宜 12.2 倍、快 10.0 倍，答案完全相同。台灣可用於合約同時問保密、期間、違約責任。
2. 用信心分數決定誰要升級。高信心自己處理，低信心轉前沿模型或人工。第三方實測（ayautomate，2026-09-19）門檻設 0.80，準確度等於全程用前沿模型，成本只要 26 至 28%，延遲約一半。適合客服來信分流，前提是能量測正確率。
3. 把模糊判斷拆成獨立維度。不問「候選人有多好」，而把技術深度、帶隊經驗、系統設計分開評分，權重留在程式加總，改權重等於改程式碼，可 A／B 測試。
4. 串接式升級。便宜模型守第一關，決定哪些請求值得動用昂貴模型。官方自算：100 萬張工單約 6,480 美元可取代 30,400 美元，其中約 80 萬張半秒內答完（非獨立量測）。
5. 先檢索再判斷。它只看到你交給它的狀態，不能自己查資料。先用程式篩過資料庫欄位，只送真正相關的三五欄。這步做錯，後面判斷再準也沒用。

五個模式的共同前提：量要夠大、選項要固定。一次只判斷一兩題，或還需要生成文字，寫規則或找便宜的生成模型往往更快。

官方自己列出的失敗清單，與「不會幻覺」的正確說法

多數模型發表只講強項，TypeSafe AI 反過來在文件站開了一頁 jaggedness（能力鋸齒：同一題行、隔壁題突然不行），標題寫明這是 jev-1.13 做不好的事，等於官方先幫你標好地雷。以下翻成白話並補上繞法。

官方承認的弱項，與實務上的繞法

• 照字面讀。否定詞（「不含」「除了」）與隱含條件都照字面處理，題目要把條件寫白。
• 不是計算機。數數不可靠，數量越大誤差越大；要數筆數、加總金額留在程式算。
• 日期只是文字。順序、間隔、是否落在區間都不可靠；抽日期用 choice 加「未提及」選項，排序比較回到程式端。
• 上下文會被稀釋。狀態塞越多無關內容，答案越不準；只送真正相關欄位。
• 狀態不是敵意輸入。狀態裡若有使用者能填的文字，對方可寫一段替自己爭取分類，這就是提示注入（prompt injection）；過濾、隔離、不要直接相信。
• 矛盾指令會混亂。同一問題塞兩個判斷標準，答案會無法解釋。
• 不生成文字。要從自由文字取值，先用正規表達式或另一個生成模型撈候選，再讓 Jev 挑。

官方兩句元規則：別問模型程式能精確算的事；別在一題裡藏多個判斷。

「不會幻覺」這句話錯在哪裡

「不會幻覺」是官方行銷語言，文件本身沒這樣寫。正確說法：模型不會輸出選項表以外的值，但仍可能挑到合法卻錯誤的選項；型別安全管的是答案長什麼樣子，不是對不對。

機率也不能當保證。官方開源示範 SimpleJev 就註明，輸出的機率不是校準過的正確率（校準指機率數字與實際正確率是否對得上）。第三方 200 筆六模型比較中，Jev 準確率 72.5% 最低，校準誤差 0.161 最高（越低越好）；官方 benchmark 也寫準確率 67.8%，最佳比較模型 74.1%。信心分數能當分流旋鈕，但要先用客戶資料量過、調門檻。

替代方案有限公司觀點：台灣團隊要抄的是分流架構，不是模型

該抄的不是模型，而是把判斷拆成「便宜模型先答、答不準往上送」的分流架構。技術早就公開：把 prompt 停在答案該開始的位置，只讀允許標籤的 token 分數，再取 softmax 換成機率。vLLM 用 logprob_token_ids、SGLang 用 /v1/score，Featherless 的 SimpleJev 甚至包成相容伺服器。2026-09-27 複核 GitHub 星數：Kev 7,279 顆、Nimble 1,851 顆。

分流線畫在哪裡：信心門檻與導入前的那份報表

2026-09-19 的 ayautomate 獨立實測（791 筆決策、3,955 次呼叫、1.53 美元）：信心 0.80 以上交給便宜模型，其餘升級給前沿模型或人工，準確度等於全程用前沿模型，成本只要 26 到 28%，平均延遲約一半。門檻不能照抄 0.80，要用客戶自己的歷史資料從 0.5 掃到 0.95，逐格看成本、準確率、延遲再決定。導入前必須先做出來的報表至少包含：

• 每一類的樣本數與分布，確認選項是不是真的固定
• 不同門檻下的自動處理率、準確率、升級率
• 每一筆決策的成本與 P95 延遲，不是平均值
• 升級後由誰接手，人工與前沿模型的成本各是多少
• 用中文資料跑出來的同一組數字（沒有獨立中文實測，只能自己填）

我們的落地建議

台灣團隊最常犯的錯，是把 AI 當成「買一顆最強的模型解決所有事」。九成的企業判斷是分類、路由、要不要轉真人，不需要文采；問題不在模型智商，在架構有沒有分層。我們進客戶端第一件事不是選模型，是列出決策點，標出哪些選項固定、哪些量大、哪些本來就有標準答案，再建出上面那份報表。

三件事誠實講：中文沒有獨立實測，官方數字全來自英文任務，務必先用客戶資料做小規模驗證；客戶已有幾百筆標籤時，微調小模型或寫規則往往更便宜；狀態裡只要含使用者能控制的文字，就要當敵意輸入處理。開源版本幾個月內追上，我們賣的是分流線畫在哪裡、門檻調多少，以及出問題時看哪一張報表。

台灣團隊從哪一種決策開始試：六個場景對照

Jev 不生成文字，只回一個決定：choice 是選擇題，從固定選項挑一個；score 是評分，把東西排等級；noul 是是非題的機率，回 0 到 1 的數字，例如「這封客訴有多急」。挑型別先看流程裡有沒有「看一眼就要下決定」、每天重複很多次的動作。

六個場景，各自對應哪一種型別

留言審核用 score 是為了排優先順序，出貨前檢查用 score 加 noul 是因為每項判斷方式各異；官方文件寫過，不要在一個問題裡藏好幾個判斷。

先做客服分流或轉真人，這兩件事本來就有人在判斷，調門檻時有現成答案可對照。ayautomate 在 2026 年 9 月 19 日公布的 791 筆決策測試顯示：只讓 Jev 回答信心分數 0.80 以上的題目、其餘轉給前沿模型，準確度等於全程用前沿模型，成本只要 26 到 28%。門檻是唯一要顧的旋鈕。

動手前要先確認的四件事

• 要有量測正確率的辦法，才知道哪些題目該自動、哪些該升級。
• 選項必須固定，會變來變去的任務先整理清單。
• 需要生成文字的工作不適用，寫回信、寫文案交給生成模型。
• 中文與台灣場景沒有獨立實測，第三方測試全是英文任務（資料截止 2026 年 9 月 27 日），導入前要用客戶自己的資料跑小規模驗證。

客戶若已有幾百筆標籤，微調小模型或寫規則常比接 API 便宜。先問這個決策累積了多少正確答案？答不出來就先做量測，不要先挑模型。

常見問題 FAQ

Q：Jev 跟平常在用的聊天 AI 差在哪？為什麼它都不回我一句話？
因為它本來就不生成文字，只回一個帶型別的答案加上機率。你問它「這封客服信該給誰」，它不會寫一段分析，而是直接回「billing、信心 0.87」這種程式可以直接讀的欄位。文章裡的實際回應是同時問三個問題，回傳緊急程度 0.95、部門挑中 billing、不滿分數 1.04，程式照這幾個值就能分流，完全不用解析句子。它有三種問法：choice 是從選項挑一個、score 是給有序的等級分數、noul 是回一個 0 到 1 的是非機率。要注意它的型別安全只保證不會生出名單以外的值，不保證挑對。

Q：choice、score、noul 這三種到底差在哪，我該用哪一種？
choice 適合選項固定的分類，例如客服信分成訂單、退換貨、帳務、其他。score 適合排序，例如留言審核依風險高低排，先處理最危險的。noul 回的是 0 到 1 的機率，用來決定「要不要轉真人」，超過你設的門檻才升級。三種的共同點是不用產出文字，只要一個判斷。實務上最常混著用，例如出貨前檢查清單每一項各自問一次，用程式加總。

Q：要裝什麼才能用？我的資料會不會跑出去？
安裝很簡單，Python 用 pip install typesafe-sdk、JS 用 npm install @typesafe-ai/sdk，兩邊都從環境變數讀金鑰，也可以走 OpenRouter、Vercel AI Gateway、Cloudflare Workers AI 這些管道。但要清楚一件事：狀態（一段文字或 JSON）會送到 api.typesafe.ai 的 /v1/systemone 端點，等於交給外部服務處理，性質跟用其他雲端 AI API 一樣。另外官方自己的文件提醒，狀態裡如果有使用者可以控制的文字，要當成敵意輸入看待，刻意替自己爭取分類的內容是有機會推動答案的。

📩 有任何問題或需要協助，歡迎聯絡我們：[email protected]