Jev AI 在线体验 · Powered by TypeSafe
用 AI Jev，做出清晰决策。
在线体验 Jev AI：将背景信息转为结构化 AI 决策，比较选项概率，并在行动前查看置信度。
匿名体验受免费额度限制。登录后使用账户积分并保留决策历史。
你的下一次决策，从这里开始。
在上方添加背景信息，或使用示例开始体验。
从这些工具开始
Jev AI 应用场景：分类、路由与智能体决策
分类文本、分配客服工单、识别意图、评估销售线索，或为 AI 智能体选择下一步工具。每个 Jev 示例都包含可编辑的背景和候选答案，方便你在自动化之前验证实际工作流程。
即用工具
问题和选项已就绪，只需提供背景信息。
看看什么会改变决策。
相同的问题，不同的背景，新的视角。
什么是 Jev AI？
Jev AI 模型是一种面向软件决策的 System One Model。提供背景信息和候选结果，即可获得带有概率与置信度的类型化 AI 决策。iajev 将这一 AI 决策引擎带入浏览器，用于分类、路由和业务自动化。
用自己的示例在线体验 Jev
在 Jev Playground 中测试预设示例，或自定义问题与 2–8 个候选答案。查看 JSON、调整背景，再比较决策结果。无需 API Key 即可使用有限的免费预览，之后可通过 iajev API 将选项式决策接入自己的产品。
Jev 如何工作？从在线体验开始的快速教程
- 1
描述情况
粘贴消息、任务或相关事实。
- 2
定义决策
使用预设问题，或自定义可能的结果。
- 3
理解结果
行动前，比较各选项的概率和决策置信度。
从一个 Jev API 示例开始接入
通过 cURL 调用 iajev REST API，以 JSON 获取选项、概率与置信度。
curl https://iajev.com/api/v1/decisions/run \
-H 'Authorization: Bearer YOUR_API_KEY' \
-H 'Idempotency-Key: YOUR_UNIQUE_REQUEST_ID' \
-H 'Content-Type: application/json' \
--data '{
"state": {
"message": "我上个月的订阅被扣了两次款，到现在还没有收到退款。",
"plan": "pro",
"country": "CN"
},
"decision": {
"type": "choice",
"question": "哪个团队应该处理此请求？",
"choices": [
"账单",
"技术",
"销售",
"欺诈"
]
}
}'常见问题
什么是 System One Model？Jev 如何工作？
System One AI 专注于快速、范围明确的决策。Jev 模型根据提供的背景评估候选结果，并返回概率；System Two 推理则侧重更审慎的多步问题求解。在 iajev 中，只需提供问题和选项，无需编写代码即可体验概率决策模型。
如何免费在线体验 Jev？
Jev AI Playground 提供有用量限制的匿名免费预览。选择示例、输入背景并运行决策；保持问题和选项不变，修改背景后再次运行，即可比较两次结果的概率变化。登录后的使用和 API 请求消耗付费积分，本站不提供无限量的免费 Jev API。
Jev Choice、Score 和 Noul 分别是什么？本站支持哪些？
Choice 从候选答案中选择一项；Jev Score 表示某个量表上的等级；Noul 表示是或否的决策。iajev 目前仅开放 Choice。对于是非判断，可以设置两个文本选项，但响应仍是选项结果，而非布尔值。销售线索工具也返回意向类别，不返回数值评分。
如何通过 iajev 使用 Jev API？
在账户设置中创建 iajev API Key 并购买积分，再携带 Bearer 令牌和唯一的 Idempotency-Key，将背景、问题与选项发送至决策接口。上方 cURL 示例可作为起点；API 文档说明了请求字段、响应、计费与重试方式。请将密钥保存在服务端。
可以从 Python、JavaScript 或 TypeScript 调用 Jev 吗？
可以。iajev API 接收带有 JSON 的 HTTP 请求，你可以将 cURL 示例改写为 Python 请求，或在服务端 JavaScript、TypeScript 和 Node.js 中使用 fetch。Go、Java 和 Rust 应用也可以通过 HTTP 客户端调用，无需专用 Jev SDK。
如何将 Jev 接入智能体或 Web 框架？
可以在 Next.js 等应用的服务端路由中调用 iajev API，再根据返回的选项选择下一步操作。对于 LangChain、LlamaIndex、Pydantic AI、Vercel AI SDK 或基于 MCP 的智能体，需要自行编写工具或 HTTP 适配器；iajev 尚未提供这些框架的原生连接器。
iajev 上的 Jev 价格与 API 费用如何计算？
iajev API 使用积分计费：每开始 1,000 个输入 token 消耗 1 积分，每次成功决策至少消耗 1 积分，输出 token 不额外扣除积分。每积分的价格取决于所选订阅或积分包。请在价格页查看当前方案，并结合输入长度与预计调用次数估算 Jev API 成本。
Jev 与 LLM、ChatGPT 或 Claude 有什么区别？
比较 Jev 与 ChatGPT、GPT、Claude、Gemini 或 DeepSeek 时，应先明确任务。聊天和推理模型支持开放式生成，Jev 则专注于预先定义结果中的类型化决策。可用同一组标注样本比较准确率、延迟和成本；iajev 尚未发布这些模型的横向基准测试。
Jev 与结构化输出、JSON mode、function calling 有什么区别？
JSON mode 和结构化输出约束响应格式，function calling 允许模型请求调用工具。Jev 侧重为指定结果提供带概率的决策，iajev 将这些结果以 JSON 返回。符合数据结构本身并不能证明决策正确，也不能证明概率已经得到良好校准。
什么是 RLCD？它与 RLHF、RLVR 有何区别？
RLCD 是 Reinforcement Learning for Calibrated Decisions 的缩写，即面向校准决策的强化学习，是随 Jev 一同介绍的训练方法，目标是让决策概率与正确率相符。RLHF 使用人类反馈，RLVR 使用可验证奖励，三者对应不同的训练目标。iajev 用于查看决策输出，不提供模型训练或微调。
如何评估 Jev 性能、准确率和置信度？
用自己业务中的标注样本建立 Jev 基准测试，测量准确率、延迟和可靠性，并通过大量样本检查概率校准情况。API 返回请求耗时和独立的 AI 置信度分数。单次高置信度回答不能证明校准良好，结构化输出也不意味着不会出现错误决策或所有被称为 AI 幻觉的问题。
Jev 能用于验证、内容审核和风险判断吗？
你可以为验证与内容审核定义通过、拒绝、人工复核等选项，或为风险初筛定义低、中、高等类别。这些属于自定义选项任务，并非专用评分或布尔接口。在引入业务自动化之前，请结合自己的规则测试，对重要或不确定的案例保留人工复核。
让 AI Jev 帮你做出下一次决策。
带着真实问题，定义候选答案，看看概率指向何处。