{
  "aboutHtml": "<p>Jev เป็นโมเดลเรือธงของ TypeSafe และโมเดลแรกในกลุ่มใหม่ <strong>System One</strong> ไม่เขียนข้อความ แต่ตัดสินใจอย่างรวดเร็วให้โปรแกรมใช้ได้ทันที โดยส่ง <strong>สถานะ</strong> (<code>state</code>) เป็นข้อความหรือ JSON พร้อมชุด <strong>คำถาม</strong> แล้วรับค่าตามชนิดที่กำหนดพร้อมความน่าจะเป็นที่ปรับเทียบแล้ว</p><p>โมเดลภาษาเขียนคำให้มนุษย์อ่าน ส่วน Jev ตามคำอธิบายของ TypeSafe ใกล้กับโค้ดมากกว่า คำตอบอยู่ในรูปที่โค้ดต้องการทันที รวดเร็วสูง และไม่มีค่าใดอยู่นอกตัวเลือกที่กำหนด โมเดลออกแบบให้ตอบสม่ำเสมอเมื่อถามซ้ำ</p><h4>System One ต่างจากโมเดลภาษาอย่างไร</h4><ul><li><strong>ไม่สร้างเนื้อหา</strong> Jev ไม่เขียนคำตอบให้ผู้ใช้ ไม่เขียนโค้ด และไม่อธิบายลำดับเหตุผล คุณเป็นผู้กำหนดคำตอบที่เป็นไปได้ผ่านคำถามหนึ่งในสามประเภท</li><li><strong>ฝึกเพื่อตัดสินใจแบบปรับเทียบ</strong> TypeSafe ฝึกด้วย RLCD (Reinforcement Learning for Calibrated Decisions) โดยปรับความน่าจะเป็นให้ตรงกับผลจริงและสะท้อนความไม่แน่นอน ในคำตอบจำนวนมากที่ให้ความน่าจะเป็น 0,8 ควรถูกประมาณ 80% การปรับเทียบเป็นคุณสมบัติของตัวอย่างจำนวนมาก ไม่ใช่การรับประกันว่าคำตอบเดี่ยวถูกต้อง</li><li><strong>เป้าหมายการฝึกต่างกัน</strong> โมเดลแชตฝึกให้มนุษย์พอใจ (RLHF) ซึ่งตามข้อสังเกตของ TypeSafe ส่งเสริมการเอาใจและข้อผิดพลาดที่ฟังมั่นใจ หนึ่งในผู้ร่วมพัฒนา RLHF คือดีโอโก อัลเมดา ผู้ร่วมก่อตั้ง TypeSafe</li></ul><p>ชื่ออ้างถึง “ระบบ 1” จากหนังสือของแดเนียล คาห์เนมาน “คิดช้า…ตัดสินใจเร็ว” ได้แก่ การตัดสินแบบสัญชาตญาณที่เร็ว เทียบกับการคิดช้าอย่างไตร่ตรองของ “ระบบ 2” Jev สร้างสำหรับการตัดสินเฉพาะเรื่องอย่างรวดเร็ว</p><h4>คำถามสามประเภท</h4><p>หนึ่งคำถามคือหนึ่งการตัดสินเกี่ยวกับสถานะ คำตอบเป็นค่าที่โค้ดนำไปเทียบเกณฑ์ เรียงลำดับ หรือส่งต่อ</p><ol><li><strong>Choice — เลือกตัวเลือก</strong> เช่น แผนกรับเรื่อง หมวดสินค้า หรือภาษาของโค้ดบางส่วน ตัวเลือกเป็นพจนานุกรม “ตัวเลือก → คำอธิบาย” ได้ถึง 255 รายการ คำตอบมี <code>choice</code> ที่เลือก ความน่าจะเป็น <code>probabilities</code> ของทุกตัวเลือกซึ่งรวมเป็น 1 และความมั่นใจ <code>confidence</code> หากรายการอาจไม่ครอบคลุมทุกกรณี ให้เพิ่ม “อื่น ๆ” หรือ “ไม่มีข้อใดข้างต้น”</li><li><strong>Score — ให้คะแนนตามสเกล</strong> ตำแหน่งบนสเกลเรียงลำดับที่คุณอธิบาย เช่น ความรุนแรงบั๊ก ความไม่พอใจลูกค้า หรือระดับทักษะ มี 2 ถึง 10 ระดับจากต่ำไปสูง โมเดลประเมินแต่ละระดับแยกกันโดยไม่เห็นหมายเลขและระดับข้างเคียง คำตอบมี <code>score</code> ซึ่งเป็นผลรวมหมายเลขระดับคูณความน่าจะเป็นของระดับนั้น จึงอาจอยู่ระหว่างระดับได้ พร้อม <code>legend</code> ที่อธิบายระดับ <code>probabilities</code> และ <code>confidence</code></li><li><strong>Noul — ใช่หรือไม่ใช่</strong> ข้อความกล่าวอ้างเป็นจริงหรือไม่ คำตอบ <code>noul</code> คือความน่าจะเป็นของ “ใช่” ตั้งแต่ 0 ถึง 1 ใกล้ 1 คือมั่นใจว่าใช่ ใกล้ 0 คือมั่นใจว่าไม่ใช่ และใกล้ 0,5 คือยังไม่แน่ใจ ไม่มี <code>confidence</code> แยก เพราะตัวเลขเดียวอธิบายคำตอบครบ <code>criteria</code> ที่ไม่บังคับใช้ระบุว่าอะไรนับเป็นใช่และอะไรเป็นไม่ใช่</li></ol><p>วิธีเลือก: ตัวเลือกที่ทราบและไม่มีลำดับใช้ choice ขั้นบนสเปกตรัมใช้ score ใช่/ไม่ใช่ที่สนใจตัวความน่าจะเป็นใช้ noul Noul 0,5 หมายถึงโอกาสใช่กับไม่ใช่เท่ากัน ไม่ใช่ “ระดับกลาง” เพราะ score ใช้วัดระดับ หากมีสองประเภทที่เหมาะ ให้เลือกประเภทที่โค้ดนำไปทำงานได้ทันที ได้แก่ choice สำหรับแขนง score สำหรับเกณฑ์ และ noul สำหรับ <code>if</code></p><p>ผสมประเภทในคำขอเดียวได้ คำตอบจำกัดอยู่ในตัวเลือกของคุณเสมอและไม่ขึ้นกับคำถามอื่น เพิ่มหรือลดคำถามได้โดยไม่เปลี่ยนคำตอบที่เหลือ</p><h4>สถานะ</h4><p>สถานะคือสิ่งที่โมเดลประเมิน เช่น ข้อความลูกค้า ส่วนเอกสาร รายการฐานข้อมูล หรือสถานะแอปพลิเคชัน</p><ul><li><strong>สตริง</strong> เมื่อมีข้อความเดียว เช่น ข้อความ บทความ หรือข้อความคัดมา</li><li><strong>ออบเจ็กต์</strong> สำหรับฟิลด์ที่มีชื่อ รายการที่เกี่ยวข้อง หรือสถานะแอป TypeSafe แนะนำออบเจ็กต์สำหรับคำขอส่วนใหญ่ เพราะแต่ละส่วนมีชื่อเข้าใจได้</li><li><strong>อาร์เรย์</strong> สำหรับลำดับข้อความหรือรายการ</li></ul><p>เตรียมเหมือนข้อมูลให้ผู้เชี่ยวชาญ หากต้องเปรียบเทียบเพื่อเลือก ให้ใส่บทสนทนา คำสั่งซื้อ และกฎคืนสินค้าร่วมกัน เก็บเนื้อหาในสถานะและการตัดสินในคำถาม หากคำถามเกี่ยวกับส่วนเดียวของสถานะ ให้ระบุเส้นทางในเครื่องหมายแบ็กทิก เช่น <code>ticket.messages[0].text</code></p><h4>วิธีตั้งคำถาม</h4><ul><li><strong>หนึ่งการตัดสินเร็วต่อหนึ่งคำถาม</strong> คำถามที่ดีคือคนที่รู้เรื่องและมีบริบทที่ต้องการตอบได้ในหนึ่งวินาที เช่น “ข้อความมีความเร่งด่วนหรือไม่” ส่วน “วิเคราะห์ข้อความแล้วตัดสินว่าต้องทำอะไร” เป็นการคิดช้า ควรแบ่งเป็นคำถามง่าย</li><li><strong>คำถามทั้งหมดอยู่ใน <code>instructions</code></strong> คีย์คำถาม เช่น <code>refund_requested</code> มีไว้ให้โค้ดของคุณเท่านั้น ไม่ส่งให้โมเดล</li><li><strong>ทุกคำถามต่อสถานะเดียวในคำขอเดียว</strong> โมเดลประเมินพร้อมกัน ตามข้อมูล TypeSafe คำถามเพิ่มแทบไม่เพิ่มเวลาตอบ และคิดเพียงโทเคนของตัวเอง คำถามเผื่อไว้จึงมีต้นทุนเพิ่มน้อยมาก โค้ดเลือกเองว่าจะใช้คำตอบใด</li><li><strong>แยกการตัดสินซับซ้อนเป็นส่วน</strong> แทน “ประเมินข้อเสนอสตาร์ตอัป” ให้ถามขนาดตลาด ความเป็นไปได้ทางเทคนิค และความต่างจากคู่แข่งแยก แล้วคำนวณผลในโค้ดด้วยน้ำหนัก เมื่อความสำคัญเปลี่ยน ให้เปลี่ยนน้ำหนัก ไม่ต้องเขียนคำถามใหม่</li><li><strong>คำถามที่พึ่งกันใช้คำขอถัดไป</strong> คำตอบในคำขอเดียวไม่ได้เป็นบริบทให้กัน ต้องใช้คำขอที่สองเฉพาะเมื่อจัดคำขอไม่ได้โดยไม่มีคำตอบแรก เช่น ต้องโหลดข้อมูลหรือเลือกตัวเลือกของคำถามถัดไป</li><li><strong>คำถามยาวใช้เป็นออบเจ็กต์</strong> <code>instructions</code> และ <code>criteria</code> ปกติเป็นสตริง แต่เป็นออบเจ็กต์หรืออาร์เรย์ได้ ใส่คำถามในฟิลด์หนึ่งและข้อมูลในฟิลด์อื่น สะดวกต่อการเทียบประวัติผู้สมัครกับรายการฐานข้อมูลในคำถามเดียว</li></ul><h4>ความมั่นใจ</h4><p>สำหรับ choice และ score ค่า <code>confidence</code> ตั้งแต่ 0 ถึง 1 แสดงว่าความน่าจะเป็นกระจุกในคำตอบเดียวเพียงใด 1 คือทั้งหมดอยู่ที่ตัวเลือกเดียว 0 คือกระจายเท่ากันทุกตัวเลือก สำหรับ score ระดับข้างเคียงลดความมั่นใจน้อยกว่าระดับที่ห่าง สำหรับ noul ความมั่นใจคือตัวค่านั้นเอง ยิ่งห่างจาก 0,5 ยิ่งแน่ใจ</p><p>TypeSafe แนะนำสามช่วง</p><ol><li><strong>ความมั่นใจสูง</strong> — ดำเนินการอัตโนมัติ</li><li><strong>ปานกลาง</strong> — ดำเนินการระมัดระวัง เช่น ขอผู้ใช้ยืนยัน</li><li><strong>ต่ำ</strong> — ส่งให้คนตรวจ ปรับคำขอให้ชัด หรือใช้เส้นทางสำรอง เช่น โมเดลใช้เหตุผลที่เก่งกว่า</li></ol><p>ยิ่งข้อผิดพลาดมีต้นทุนสูง เกณฑ์ยิ่งควรเข้มงวด การกระทำที่ย้อนกลับไม่ได้ใช้เกณฑ์สูงกว่าการอ่าน คำตอบบอกว่าควรเลือกอะไร ความมั่นใจบอกว่าควรดำเนินการหรือไม่ เลือกเกณฑ์จากข้อมูลตนเองโดยเทียบความมั่นใจกับความแม่นยำ</p><h4>การสร้างระบบรอบ Jev</h4><p>Jev ออกแบบสำหรับโปรแกรมที่โค้ดควบคุมกระบวนการและโมเดลตอบคำถามความหมายเฉพาะเรื่อง แทนเอเจนต์ที่เลือกขั้นตอนเองและอาจหลุดทิศทุกวงรอบ TypeSafe เสนอการออกแบบแปดขั้นตอน</p><ol><li>สิ่งใดทำด้วยโค้ดได้ ให้ทำด้วยโค้ดเพื่อความเชื่อถือได้และต้นทุนต่ำ</li><li>ใส่เฉพาะสิ่งที่คำถามปัจจุบันต้องการในสถานะ ข้อเท็จจริงใหม่ใช้จากฐานความรู้ของตน ไม่ใช่ความจำโมเดล</li><li>ใช้โครงสร้างในสถานะ คือ JSON ซ้อนกัน และเส้นทางฟิลด์ในแบ็กทิกในคำถาม หากช่วยลดความกำกวม</li><li>ถามให้เฉพาะและแคบที่สุด ตาม TypeSafe อาจเป็นกฎสำคัญที่สุด เพราะคำถามกว้างซ่อนหลายการตัดสินในคำตอบเดียว</li><li>ใช้โครงสร้างในคำถาม ตัวคำถามสั้น ส่วนคำอธิบาย ตัวอย่าง และค่าจากฐานข้อมูลใส่ฟิลด์ข้างเคียงของออบเจ็กต์ <code>instructions</code> หรือ <code>criteria</code> แทนสตริงยาวเส้นเดียว</li><li>รวมหลายคำถามอิสระต่อสถานะเดียวในคำขอเดียว เพื่อประโยชน์มากขึ้นต่อเงินที่ใช้</li><li>โค้ดรวมคำตอบด้วยกฎ ผลรวมน้ำหนัก หรือใช้เป็นฟีเจอร์ของโมเดลแมชชีนเลิร์นนิงแบบดั้งเดิม</li><li>แตกแขนงตามความมั่นใจ กรณีไม่แน่ใจส่งให้คนหรือโมเดลใช้เหตุผล</li></ol><p>Jev ไม่ใช่แชตหรือโมเดลเติมโค้ด จึงนำไปแทนโมเดลภาษาในเอเจนต์เขียนโปรแกรมไม่ได้ แต่เอเจนต์เขียนโค้ดให้คุณเรียก Jev เมื่อต้องการคำตอบเร็วที่ปรับเทียบแล้วได้</p><h4>การใช้งาน</h4><ul><li><strong>งานอัตโนมัติเบื้องหลัง</strong> — การตัดสินใจที่เรียกเป็นล้านครั้งโดยไม่มีคนเฝ้า</li><li><strong>เรียลไทม์</strong> — ตามข้อมูล TypeSafe คำขอส่วนใหญ่ใช้ประมาณ 100 ms เพียงพอสำหรับประมวลผลทันทีและส่วนติดต่อ</li><li><strong>ข้อมูลขนาดใหญ่</strong> — ค้นหาชุดข้อมูลมหาศาล จัดป้ายบันทึกงานเอเจนต์ และฟีเจอร์สำหรับคาดการณ์</li><li><strong>ตรวจโมเดลอื่น</strong> — คำขอ การสกัดข้อมูล เหตุผล และการเรียกเครื่องมือ ทั้งการเลี่ยงข้อจำกัด อ้างอิงผิด และข้อมูลแต่งขึ้น</li><li><strong>ค้นหาและจัดอันดับ</strong> — ความเกี่ยวข้องของคู่ “คำค้น — ตัวเลือก” จัดอันดับใหม่ และเลือกบริบท</li><li><strong>แยกเส้นทางตามเจตนา</strong> — ผู้ใช้ต้องการอะไรและควรใช้ตัวจัดการใด เช่น ตรรกะง่าย โมเดลเฉพาะ หรือคน หัวข้อ ความซับซ้อน และความเสี่ยงกำหนดว่าจะส่งคำขอให้โมเดลภาษาใด</li><li><strong>การตรวจป้องกัน</strong> — อินพุต เอาต์พุต และการเรียกเครื่องมือของโมเดลภาษา ทั้งคำสั่งแทรก การละเมิดกฎ และการรั่วข้อมูลส่วนบุคคล</li><li><strong>งานสนับสนุน</strong> — หัวข้อและเจตนาคำขอ ความเร่งด่วน ความไม่พอใจ ความเสี่ยงเลิกใช้ คำขอคืนเงิน และคิว</li><li><strong>การกลั่นกรอง</strong> — ตามกฎแพลตฟอร์มของคุณ เช่น ความเป็นพิษ การคุกคาม สแปม ฉ้อโกง คำแนะนำอันตราย และข้อมูลส่วนบุคคล ใช้ความรุนแรงกับความมั่นใจเลือกให้ผ่าน เตือน ตรวจ หรือบล็อก</li><li><strong>สาขางาน</strong> — เคลมประกัน การสืบสวนทางการเงินและ KYC สัญญาและโฆษณา หน้าสินค้า คัดบุคลากร ลีด เกม ความเสี่ยง คาดการณ์อุปสงค์ กราฟความรู้ ทบทวนวิทยาศาสตร์ และตรวจความหมายโค้ดใน CI</li></ul><h4>คุณสมบัติ</h4><ul><li><strong><code>jev-latest</code></strong> — นามแฝงของรุ่นเสถียรล่าสุด ปัจจุบันคือ Jev 1.13 เวอร์ชันที่ตอบอยู่ในฟิลด์ <code>model</code> เช่น <code>jev-1.13.0</code> เมื่อมีรุ่นใหม่ นามแฝงจะเปลี่ยนตาม และคำตอบอาจเปลี่ยนโดยคุณไม่ได้แก้ไข จึงควรติดตามฟิลด์นี้หากเกณฑ์เลือกไว้ตามเวอร์ชัน</li><li><strong>บริบท</strong> — 64K โทเคนต่อคำขอ รวมสถานะกับทุกคำถาม สถานะรวมกับคำถามยาวที่สุดได้ถึง 32K โมเดลอ่านสถานะครั้งเดียวแล้วตรวจทุกคำถามกับสถานะนั้นพร้อมกัน</li><li><strong>อินพุต</strong> — เฉพาะข้อความ ได้แก่ สตริง ออบเจ็กต์ JSON หรืออาร์เรย์ข้อความ ยังไม่รองรับภาพ เสียง และวิดีโอ ต้องแปลงเป็นข้อความก่อน</li><li><strong>ภาษา</strong> — ภาษาหลักในการฝึกคืออังกฤษ ซึ่งมีความแม่นยำสูงสุดปัจจุบัน โมเดลรับภาษาอื่น รวมจีน ญี่ปุ่น และเกาหลี แต่แม่นยำน้อยกว่า ควรตรวจด้วยข้อมูลตนเอง</li><li><strong>ราคาและการคิดค่าบริการใน Ailoot API</strong> — เงื่อนไขขึ้นอยู่กับเมธอดที่เลือก และระบุไว้ในการ์ดของเมธอดนั้น</li><li><strong>การปรับแต่ง</strong> — Jev ไม่ฝึกปรับแต่งด้วยข้อมูลลูกค้า ใส่ข้อมูลของคุณใน <code>state</code> และกฎเฉพาะสาขาใน <code>instructions</code> กับ <code>criteria</code></li><li><strong>ข้อมูล</strong> — TypeSafe แจ้งว่าไม่ฝึก Jev ด้วยคำขอและคำตอบของลูกค้า</li></ul><h4>จุดอ่อนที่ทราบของ Jev 1.13</h4><p>TypeSafe ระบุจุดอ่อนของเวอร์ชันปัจจุบันอย่างเปิดเผย และแจ้งว่าจะปรับปรุงหลายเรื่องในรุ่นถัดไป โมเดลเร็ว ปรับเทียบแล้ว และตัดสินด้วยสามัญสำนึกได้ดี แต่มีข้อจำกัดดังนี้</p><ol><li><strong>อ่านตามตัวอักษร</strong> ตอบคำถามที่เขียน ไม่ใช่สิ่งที่นัยไว้ เข้าใจเงื่อนไข คำปฏิเสธ และข้อกำหนดแฝงแบบตรงตัว เขียนเงื่อนไขกับกรณีขอบเขตอย่างแม่นยำใน <code>criteria</code> หากจำเป็นต้องตีความ ให้แบ่งเป็นสองคำถามตรงตัว</li><li><strong>ไม่ใช่เครื่องคิดเลข</strong> การนับอักขระ การซ้ำ และรายการไม่เชื่อถือได้ ความผิดพลาดเพิ่มตามขนาด ควรนับด้วยโค้ดและถามแยกต่อตัวเลือกแต่ละรายการ โมเดลเข้าใจสีใน hex หรือ RGB น้อยกว่าชื่อสี <code>score</code> เหมาะกับเกณฑ์ ไม่ใช่ตัวเลขแม่นยำระหว่างระดับ</li><li><strong>วันที่และเวลา</strong> การเทียบว่าวันใดก่อน ระยะห่าง หรืออยู่ในช่วงหรือไม่ ไม่เชื่อถือได้ โดยเฉพาะเมื่อผสมรูปแบบและวันที่สัมพัทธ์ ให้สกัดส่วนวันที่ด้วย choice พร้อมตัวเลือก “ไม่ระบุ” แล้วเปรียบเทียบในโค้ด</li><li><strong>ความอ้อมค้อม</strong> คำปฏิเสธซ้อนและคำถามเกี่ยวกับคุณสมบัติของคุณสมบัติลดความแม่นยำ เขียนตรงและเรียกชื่อส่วนของสถานะ</li><li><strong>ข้อมูลเกินในสถานะ</strong> ข้อความไม่เกี่ยวข้องลดความแม่นยำ กรองด้วยโค้ด หากทำไม่ได้ ให้คัดส่วนไม่เกี่ยวข้องด้วยคำถาม noul</li><li><strong>ข้อความมุ่งโจมตี</strong> ค่าเริ่มต้นโมเดลไม่ได้คาดว่าจะมีลูกเล่นในสถานะ คำสั่งแทรกหรือข้อความที่โต้แย้งการจัดประเภทตนเองอาจเปลี่ยนคำตอบ เขียนเกณฑ์แม่นยำและตรวจกรณีขอบเขตก่อนใช้งาน</li><li><strong>ความขัดแย้ง</strong> หาก <code>instructions</code> กับ <code>criteria</code> ขอคนละอย่าง เช่น อธิบาย “ใช่” ของ noul เป็น “ไม่ใช่” ความแม่นยำลดลง เกณฑ์เป็นส่วนต่อของคำถาม</li><li><strong>ลำดับตัวเลือก</strong> บางครั้งโมเดลเอนเอียงไปที่ choice แรก ลองสลับตัวเลือกและตรวจว่าคำตอบไม่เปลี่ยน</li><li><strong>การสร้างเนื้อหา</strong> Jev ไม่ได้ฝึกให้เขียนข้อความ หากต้องสกัดข้อมูล ให้หาค่าที่เป็นไปได้ด้วยนิพจน์ปรกติหรือโมเดลสร้างเนื้อหา แล้วใช้ Jev เลือกตัวที่ถูกผ่าน choice</li></ol>",
  "aboutText": "Jev เป็นโมเดลเรือธงของ TypeSafe และโมเดลแรกในกลุ่มใหม่ **System One** ไม่เขียนข้อความ แต่ตัดสินใจอย่างรวดเร็วให้โปรแกรมใช้ได้ทันที โดยส่ง **สถานะ** (`state`) เป็นข้อความหรือ JSON พร้อมชุด **คำถาม** แล้วรับค่าตามชนิดที่กำหนดพร้อมความน่าจะเป็นที่ปรับเทียบแล้ว\n\nโมเดลภาษาเขียนคำให้มนุษย์อ่าน ส่วน Jev ตามคำอธิบายของ TypeSafe ใกล้กับโค้ดมากกว่า คำตอบอยู่ในรูปที่โค้ดต้องการทันที รวดเร็วสูง และไม่มีค่าใดอยู่นอกตัวเลือกที่กำหนด โมเดลออกแบบให้ตอบสม่ำเสมอเมื่อถามซ้ำ\n\n### System One ต่างจากโมเดลภาษาอย่างไร\n\n- **ไม่สร้างเนื้อหา** Jev ไม่เขียนคำตอบให้ผู้ใช้ ไม่เขียนโค้ด และไม่อธิบายลำดับเหตุผล คุณเป็นผู้กำหนดคำตอบที่เป็นไปได้ผ่านคำถามหนึ่งในสามประเภท\n- **ฝึกเพื่อตัดสินใจแบบปรับเทียบ** TypeSafe ฝึกด้วย RLCD (Reinforcement Learning for Calibrated Decisions) โดยปรับความน่าจะเป็นให้ตรงกับผลจริงและสะท้อนความไม่แน่นอน ในคำตอบจำนวนมากที่ให้ความน่าจะเป็น 0,8 ควรถูกประมาณ 80% การปรับเทียบเป็นคุณสมบัติของตัวอย่างจำนวนมาก ไม่ใช่การรับประกันว่าคำตอบเดี่ยวถูกต้อง\n- **เป้าหมายการฝึกต่างกัน** โมเดลแชตฝึกให้มนุษย์พอใจ (RLHF) ซึ่งตามข้อสังเกตของ TypeSafe ส่งเสริมการเอาใจและข้อผิดพลาดที่ฟังมั่นใจ หนึ่งในผู้ร่วมพัฒนา RLHF คือดีโอโก อัลเมดา ผู้ร่วมก่อตั้ง TypeSafe\n\nชื่ออ้างถึง “ระบบ 1” จากหนังสือของแดเนียล คาห์เนมาน “คิดช้า…ตัดสินใจเร็ว” ได้แก่ การตัดสินแบบสัญชาตญาณที่เร็ว เทียบกับการคิดช้าอย่างไตร่ตรองของ “ระบบ 2” Jev สร้างสำหรับการตัดสินเฉพาะเรื่องอย่างรวดเร็ว\n\n### คำถามสามประเภท\n\nหนึ่งคำถามคือหนึ่งการตัดสินเกี่ยวกับสถานะ คำตอบเป็นค่าที่โค้ดนำไปเทียบเกณฑ์ เรียงลำดับ หรือส่งต่อ\n\n1. **Choice — เลือกตัวเลือก** เช่น แผนกรับเรื่อง หมวดสินค้า หรือภาษาของโค้ดบางส่วน ตัวเลือกเป็นพจนานุกรม “ตัวเลือก → คำอธิบาย” ได้ถึง 255 รายการ คำตอบมี `choice` ที่เลือก ความน่าจะเป็น `probabilities` ของทุกตัวเลือกซึ่งรวมเป็น 1 และความมั่นใจ `confidence` หากรายการอาจไม่ครอบคลุมทุกกรณี ให้เพิ่ม “อื่น ๆ” หรือ “ไม่มีข้อใดข้างต้น”\n2. **Score — ให้คะแนนตามสเกล** ตำแหน่งบนสเกลเรียงลำดับที่คุณอธิบาย เช่น ความรุนแรงบั๊ก ความไม่พอใจลูกค้า หรือระดับทักษะ มี 2 ถึง 10 ระดับจากต่ำไปสูง โมเดลประเมินแต่ละระดับแยกกันโดยไม่เห็นหมายเลขและระดับข้างเคียง คำตอบมี `score` ซึ่งเป็นผลรวมหมายเลขระดับคูณความน่าจะเป็นของระดับนั้น จึงอาจอยู่ระหว่างระดับได้ พร้อม `legend` ที่อธิบายระดับ `probabilities` และ `confidence`\n3. **Noul — ใช่หรือไม่ใช่** ข้อความกล่าวอ้างเป็นจริงหรือไม่ คำตอบ `noul` คือความน่าจะเป็นของ “ใช่” ตั้งแต่ 0 ถึง 1 ใกล้ 1 คือมั่นใจว่าใช่ ใกล้ 0 คือมั่นใจว่าไม่ใช่ และใกล้ 0,5 คือยังไม่แน่ใจ ไม่มี `confidence` แยก เพราะตัวเลขเดียวอธิบายคำตอบครบ `criteria` ที่ไม่บังคับใช้ระบุว่าอะไรนับเป็นใช่และอะไรเป็นไม่ใช่\n\nวิธีเลือก: ตัวเลือกที่ทราบและไม่มีลำดับใช้ choice ขั้นบนสเปกตรัมใช้ score ใช่/ไม่ใช่ที่สนใจตัวความน่าจะเป็นใช้ noul Noul 0,5 หมายถึงโอกาสใช่กับไม่ใช่เท่ากัน ไม่ใช่ “ระดับกลาง” เพราะ score ใช้วัดระดับ หากมีสองประเภทที่เหมาะ ให้เลือกประเภทที่โค้ดนำไปทำงานได้ทันที ได้แก่ choice สำหรับแขนง score สำหรับเกณฑ์ และ noul สำหรับ `if`\n\nผสมประเภทในคำขอเดียวได้ คำตอบจำกัดอยู่ในตัวเลือกของคุณเสมอและไม่ขึ้นกับคำถามอื่น เพิ่มหรือลดคำถามได้โดยไม่เปลี่ยนคำตอบที่เหลือ\n\n### สถานะ\n\nสถานะคือสิ่งที่โมเดลประเมิน เช่น ข้อความลูกค้า ส่วนเอกสาร รายการฐานข้อมูล หรือสถานะแอปพลิเคชัน\n\n- **สตริง** เมื่อมีข้อความเดียว เช่น ข้อความ บทความ หรือข้อความคัดมา\n- **ออบเจ็กต์** สำหรับฟิลด์ที่มีชื่อ รายการที่เกี่ยวข้อง หรือสถานะแอป TypeSafe แนะนำออบเจ็กต์สำหรับคำขอส่วนใหญ่ เพราะแต่ละส่วนมีชื่อเข้าใจได้\n- **อาร์เรย์** สำหรับลำดับข้อความหรือรายการ\n\nเตรียมเหมือนข้อมูลให้ผู้เชี่ยวชาญ หากต้องเปรียบเทียบเพื่อเลือก ให้ใส่บทสนทนา คำสั่งซื้อ และกฎคืนสินค้าร่วมกัน เก็บเนื้อหาในสถานะและการตัดสินในคำถาม หากคำถามเกี่ยวกับส่วนเดียวของสถานะ ให้ระบุเส้นทางในเครื่องหมายแบ็กทิก เช่น `ticket.messages[0].text`\n\n### วิธีตั้งคำถาม\n\n- **หนึ่งการตัดสินเร็วต่อหนึ่งคำถาม** คำถามที่ดีคือคนที่รู้เรื่องและมีบริบทที่ต้องการตอบได้ในหนึ่งวินาที เช่น “ข้อความมีความเร่งด่วนหรือไม่” ส่วน “วิเคราะห์ข้อความแล้วตัดสินว่าต้องทำอะไร” เป็นการคิดช้า ควรแบ่งเป็นคำถามง่าย\n- **คำถามทั้งหมดอยู่ใน `instructions`** คีย์คำถาม เช่น `refund_requested` มีไว้ให้โค้ดของคุณเท่านั้น ไม่ส่งให้โมเดล\n- **ทุกคำถามต่อสถานะเดียวในคำขอเดียว** โมเดลประเมินพร้อมกัน ตามข้อมูล TypeSafe คำถามเพิ่มแทบไม่เพิ่มเวลาตอบ และคิดเพียงโทเคนของตัวเอง คำถามเผื่อไว้จึงมีต้นทุนเพิ่มน้อยมาก โค้ดเลือกเองว่าจะใช้คำตอบใด\n- **แยกการตัดสินซับซ้อนเป็นส่วน** แทน “ประเมินข้อเสนอสตาร์ตอัป” ให้ถามขนาดตลาด ความเป็นไปได้ทางเทคนิค และความต่างจากคู่แข่งแยก แล้วคำนวณผลในโค้ดด้วยน้ำหนัก เมื่อความสำคัญเปลี่ยน ให้เปลี่ยนน้ำหนัก ไม่ต้องเขียนคำถามใหม่\n- **คำถามที่พึ่งกันใช้คำขอถัดไป** คำตอบในคำขอเดียวไม่ได้เป็นบริบทให้กัน ต้องใช้คำขอที่สองเฉพาะเมื่อจัดคำขอไม่ได้โดยไม่มีคำตอบแรก เช่น ต้องโหลดข้อมูลหรือเลือกตัวเลือกของคำถามถัดไป\n- **คำถามยาวใช้เป็นออบเจ็กต์** `instructions` และ `criteria` ปกติเป็นสตริง แต่เป็นออบเจ็กต์หรืออาร์เรย์ได้ ใส่คำถามในฟิลด์หนึ่งและข้อมูลในฟิลด์อื่น สะดวกต่อการเทียบประวัติผู้สมัครกับรายการฐานข้อมูลในคำถามเดียว\n\n### ความมั่นใจ\n\nสำหรับ choice และ score ค่า `confidence` ตั้งแต่ 0 ถึง 1 แสดงว่าความน่าจะเป็นกระจุกในคำตอบเดียวเพียงใด 1 คือทั้งหมดอยู่ที่ตัวเลือกเดียว 0 คือกระจายเท่ากันทุกตัวเลือก สำหรับ score ระดับข้างเคียงลดความมั่นใจน้อยกว่าระดับที่ห่าง สำหรับ noul ความมั่นใจคือตัวค่านั้นเอง ยิ่งห่างจาก 0,5 ยิ่งแน่ใจ\n\nTypeSafe แนะนำสามช่วง\n\n1. **ความมั่นใจสูง** — ดำเนินการอัตโนมัติ\n2. **ปานกลาง** — ดำเนินการระมัดระวัง เช่น ขอผู้ใช้ยืนยัน\n3. **ต่ำ** — ส่งให้คนตรวจ ปรับคำขอให้ชัด หรือใช้เส้นทางสำรอง เช่น โมเดลใช้เหตุผลที่เก่งกว่า\n\nยิ่งข้อผิดพลาดมีต้นทุนสูง เกณฑ์ยิ่งควรเข้มงวด การกระทำที่ย้อนกลับไม่ได้ใช้เกณฑ์สูงกว่าการอ่าน คำตอบบอกว่าควรเลือกอะไร ความมั่นใจบอกว่าควรดำเนินการหรือไม่ เลือกเกณฑ์จากข้อมูลตนเองโดยเทียบความมั่นใจกับความแม่นยำ\n\n### การสร้างระบบรอบ Jev\n\nJev ออกแบบสำหรับโปรแกรมที่โค้ดควบคุมกระบวนการและโมเดลตอบคำถามความหมายเฉพาะเรื่อง แทนเอเจนต์ที่เลือกขั้นตอนเองและอาจหลุดทิศทุกวงรอบ TypeSafe เสนอการออกแบบแปดขั้นตอน\n\n1. สิ่งใดทำด้วยโค้ดได้ ให้ทำด้วยโค้ดเพื่อความเชื่อถือได้และต้นทุนต่ำ\n2. ใส่เฉพาะสิ่งที่คำถามปัจจุบันต้องการในสถานะ ข้อเท็จจริงใหม่ใช้จากฐานความรู้ของตน ไม่ใช่ความจำโมเดล\n3. ใช้โครงสร้างในสถานะ คือ JSON ซ้อนกัน และเส้นทางฟิลด์ในแบ็กทิกในคำถาม หากช่วยลดความกำกวม\n4. ถามให้เฉพาะและแคบที่สุด ตาม TypeSafe อาจเป็นกฎสำคัญที่สุด เพราะคำถามกว้างซ่อนหลายการตัดสินในคำตอบเดียว\n5. ใช้โครงสร้างในคำถาม ตัวคำถามสั้น ส่วนคำอธิบาย ตัวอย่าง และค่าจากฐานข้อมูลใส่ฟิลด์ข้างเคียงของออบเจ็กต์ `instructions` หรือ `criteria` แทนสตริงยาวเส้นเดียว\n6. รวมหลายคำถามอิสระต่อสถานะเดียวในคำขอเดียว เพื่อประโยชน์มากขึ้นต่อเงินที่ใช้\n7. โค้ดรวมคำตอบด้วยกฎ ผลรวมน้ำหนัก หรือใช้เป็นฟีเจอร์ของโมเดลแมชชีนเลิร์นนิงแบบดั้งเดิม\n8. แตกแขนงตามความมั่นใจ กรณีไม่แน่ใจส่งให้คนหรือโมเดลใช้เหตุผล\n\nJev ไม่ใช่แชตหรือโมเดลเติมโค้ด จึงนำไปแทนโมเดลภาษาในเอเจนต์เขียนโปรแกรมไม่ได้ แต่เอเจนต์เขียนโค้ดให้คุณเรียก Jev เมื่อต้องการคำตอบเร็วที่ปรับเทียบแล้วได้\n\n### การใช้งาน\n\n- **งานอัตโนมัติเบื้องหลัง** — การตัดสินใจที่เรียกเป็นล้านครั้งโดยไม่มีคนเฝ้า\n- **เรียลไทม์** — ตามข้อมูล TypeSafe คำขอส่วนใหญ่ใช้ประมาณ 100 ms เพียงพอสำหรับประมวลผลทันทีและส่วนติดต่อ\n- **ข้อมูลขนาดใหญ่** — ค้นหาชุดข้อมูลมหาศาล จัดป้ายบันทึกงานเอเจนต์ และฟีเจอร์สำหรับคาดการณ์\n- **ตรวจโมเดลอื่น** — คำขอ การสกัดข้อมูล เหตุผล และการเรียกเครื่องมือ ทั้งการเลี่ยงข้อจำกัด อ้างอิงผิด และข้อมูลแต่งขึ้น\n- **ค้นหาและจัดอันดับ** — ความเกี่ยวข้องของคู่ “คำค้น — ตัวเลือก” จัดอันดับใหม่ และเลือกบริบท\n- **แยกเส้นทางตามเจตนา** — ผู้ใช้ต้องการอะไรและควรใช้ตัวจัดการใด เช่น ตรรกะง่าย โมเดลเฉพาะ หรือคน หัวข้อ ความซับซ้อน และความเสี่ยงกำหนดว่าจะส่งคำขอให้โมเดลภาษาใด\n- **การตรวจป้องกัน** — อินพุต เอาต์พุต และการเรียกเครื่องมือของโมเดลภาษา ทั้งคำสั่งแทรก การละเมิดกฎ และการรั่วข้อมูลส่วนบุคคล\n- **งานสนับสนุน** — หัวข้อและเจตนาคำขอ ความเร่งด่วน ความไม่พอใจ ความเสี่ยงเลิกใช้ คำขอคืนเงิน และคิว\n- **การกลั่นกรอง** — ตามกฎแพลตฟอร์มของคุณ เช่น ความเป็นพิษ การคุกคาม สแปม ฉ้อโกง คำแนะนำอันตราย และข้อมูลส่วนบุคคล ใช้ความรุนแรงกับความมั่นใจเลือกให้ผ่าน เตือน ตรวจ หรือบล็อก\n- **สาขางาน** — เคลมประกัน การสืบสวนทางการเงินและ KYC สัญญาและโฆษณา หน้าสินค้า คัดบุคลากร ลีด เกม ความเสี่ยง คาดการณ์อุปสงค์ กราฟความรู้ ทบทวนวิทยาศาสตร์ และตรวจความหมายโค้ดใน CI\n\n### คุณสมบัติ\n\n- **`jev-latest`** — นามแฝงของรุ่นเสถียรล่าสุด ปัจจุบันคือ Jev 1.13 เวอร์ชันที่ตอบอยู่ในฟิลด์ `model` เช่น `jev-1.13.0` เมื่อมีรุ่นใหม่ นามแฝงจะเปลี่ยนตาม และคำตอบอาจเปลี่ยนโดยคุณไม่ได้แก้ไข จึงควรติดตามฟิลด์นี้หากเกณฑ์เลือกไว้ตามเวอร์ชัน\n- **บริบท** — 64K โทเคนต่อคำขอ รวมสถานะกับทุกคำถาม สถานะรวมกับคำถามยาวที่สุดได้ถึง 32K โมเดลอ่านสถานะครั้งเดียวแล้วตรวจทุกคำถามกับสถานะนั้นพร้อมกัน\n- **อินพุต** — เฉพาะข้อความ ได้แก่ สตริง ออบเจ็กต์ JSON หรืออาร์เรย์ข้อความ ยังไม่รองรับภาพ เสียง และวิดีโอ ต้องแปลงเป็นข้อความก่อน\n- **ภาษา** — ภาษาหลักในการฝึกคืออังกฤษ ซึ่งมีความแม่นยำสูงสุดปัจจุบัน โมเดลรับภาษาอื่น รวมจีน ญี่ปุ่น และเกาหลี แต่แม่นยำน้อยกว่า ควรตรวจด้วยข้อมูลตนเอง\n- **ราคาและการคิดค่าบริการใน Ailoot API** — เงื่อนไขขึ้นอยู่กับเมธอดที่เลือก และระบุไว้ในการ์ดของเมธอดนั้น\n- **การปรับแต่ง** — Jev ไม่ฝึกปรับแต่งด้วยข้อมูลลูกค้า ใส่ข้อมูลของคุณใน `state` และกฎเฉพาะสาขาใน `instructions` กับ `criteria`\n- **ข้อมูล** — TypeSafe แจ้งว่าไม่ฝึก Jev ด้วยคำขอและคำตอบของลูกค้า\n\n### จุดอ่อนที่ทราบของ Jev 1.13\n\nTypeSafe ระบุจุดอ่อนของเวอร์ชันปัจจุบันอย่างเปิดเผย และแจ้งว่าจะปรับปรุงหลายเรื่องในรุ่นถัดไป โมเดลเร็ว ปรับเทียบแล้ว และตัดสินด้วยสามัญสำนึกได้ดี แต่มีข้อจำกัดดังนี้\n\n1. **อ่านตามตัวอักษร** ตอบคำถามที่เขียน ไม่ใช่สิ่งที่นัยไว้ เข้าใจเงื่อนไข คำปฏิเสธ และข้อกำหนดแฝงแบบตรงตัว เขียนเงื่อนไขกับกรณีขอบเขตอย่างแม่นยำใน `criteria` หากจำเป็นต้องตีความ ให้แบ่งเป็นสองคำถามตรงตัว\n2. **ไม่ใช่เครื่องคิดเลข** การนับอักขระ การซ้ำ และรายการไม่เชื่อถือได้ ความผิดพลาดเพิ่มตามขนาด ควรนับด้วยโค้ดและถามแยกต่อตัวเลือกแต่ละรายการ โมเดลเข้าใจสีใน hex หรือ RGB น้อยกว่าชื่อสี `score` เหมาะกับเกณฑ์ ไม่ใช่ตัวเลขแม่นยำระหว่างระดับ\n3. **วันที่และเวลา** การเทียบว่าวันใดก่อน ระยะห่าง หรืออยู่ในช่วงหรือไม่ ไม่เชื่อถือได้ โดยเฉพาะเมื่อผสมรูปแบบและวันที่สัมพัทธ์ ให้สกัดส่วนวันที่ด้วย choice พร้อมตัวเลือก “ไม่ระบุ” แล้วเปรียบเทียบในโค้ด\n4. **ความอ้อมค้อม** คำปฏิเสธซ้อนและคำถามเกี่ยวกับคุณสมบัติของคุณสมบัติลดความแม่นยำ เขียนตรงและเรียกชื่อส่วนของสถานะ\n5. **ข้อมูลเกินในสถานะ** ข้อความไม่เกี่ยวข้องลดความแม่นยำ กรองด้วยโค้ด หากทำไม่ได้ ให้คัดส่วนไม่เกี่ยวข้องด้วยคำถาม noul\n6. **ข้อความมุ่งโจมตี** ค่าเริ่มต้นโมเดลไม่ได้คาดว่าจะมีลูกเล่นในสถานะ คำสั่งแทรกหรือข้อความที่โต้แย้งการจัดประเภทตนเองอาจเปลี่ยนคำตอบ เขียนเกณฑ์แม่นยำและตรวจกรณีขอบเขตก่อนใช้งาน\n7. **ความขัดแย้ง** หาก `instructions` กับ `criteria` ขอคนละอย่าง เช่น อธิบาย “ใช่” ของ noul เป็น “ไม่ใช่” ความแม่นยำลดลง เกณฑ์เป็นส่วนต่อของคำถาม\n8. **ลำดับตัวเลือก** บางครั้งโมเดลเอนเอียงไปที่ choice แรก ลองสลับตัวเลือกและตรวจว่าคำตอบไม่เปลี่ยน\n9. **การสร้างเนื้อหา** Jev ไม่ได้ฝึกให้เขียนข้อความ หากต้องสกัดข้อมูล ให้หาค่าที่เป็นไปได้ด้วยนิพจน์ปรกติหรือโมเดลสร้างเนื้อหา แล้วใช้ Jev เลือกตัวที่ถูกผ่าน choice",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "4da7267a30d5e302377e53b5e75c314b33b4a3966074f2c42c09b6d37d069c90",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "th",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">TS</span><h2 id=\"sheet-title\">jev-latest</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"ปิด\">×</button></div><div class=\"idline\"><span>TypeSafe /</span><code>jev-latest</code><button type=\"button\" id=\"copy-id\">คัดลอก ID</button></div><nav class=\"card-jump-nav\" aria-label=\"ส่วนต่าง ๆ ของการ์ดโมเดล\"><button type=\"button\" data-card-jump=\"overview\">เริ่มต้น</button><button type=\"button\" data-card-jump=\"methods\">อินพุตและเมธอด</button><button type=\"button\" data-card-jump=\"pricing\">ราคา</button><button type=\"button\" data-card-jump=\"examples\">ตัวอย่าง</button><button type=\"button\" data-card-jump=\"results\">ผลลัพธ์</button><button type=\"button\" data-card-jump=\"aliases\">ชื่ออื่น</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"เมธอด API\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Core|systemone|/v1/systemone|jev-latest\">System One</button></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-0\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">เริ่มต้น</h3><p class=\"mdesc-full\">โมเดลตัดสินใจของ TypeSafe ไม่เขียนข้อความ แต่ตอบคำถามแบบกำหนดชนิดเกี่ยวกับข้อความหรือ JSON ได้แก่ เลือกตัวเลือก ให้คะแนนตามสเกล หรือใช่/ไม่ใช่พร้อมความน่าจะเป็น เหมาะกับการจัดเส้นทาง คัดแยกคำขอ กลั่นกรอง และให้คะแนน ประเมินทุกคำถามในคำขอเดียวพร้อมกัน</p><dl class=\"card-io\" data-card-io><div><dt>อินพุตที่รองรับ</dt><dd>ข้อความ</dd></div><div><dt>ผลลัพธ์</dt><dd>structured</dd></div></dl><details class=\"card-about\"><summary>เกี่ยวกับโมเดล</summary><p class=\"note-s\" data-model-method-boundary>คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก</p><div class=\"mabout\" id=\"m-about\"><p>Jev เป็นโมเดลเรือธงของ TypeSafe และโมเดลแรกในกลุ่มใหม่ <strong>System One</strong> ไม่เขียนข้อความ แต่ตัดสินใจอย่างรวดเร็วให้โปรแกรมใช้ได้ทันที โดยส่ง <strong>สถานะ</strong> (<code>state</code>) เป็นข้อความหรือ JSON พร้อมชุด <strong>คำถาม</strong> แล้วรับค่าตามชนิดที่กำหนดพร้อมความน่าจะเป็นที่ปรับเทียบแล้ว</p><p>โมเดลภาษาเขียนคำให้มนุษย์อ่าน ส่วน Jev ตามคำอธิบายของ TypeSafe ใกล้กับโค้ดมากกว่า คำตอบอยู่ในรูปที่โค้ดต้องการทันที รวดเร็วสูง และไม่มีค่าใดอยู่นอกตัวเลือกที่กำหนด โมเดลออกแบบให้ตอบสม่ำเสมอเมื่อถามซ้ำ</p><h4>System One ต่างจากโมเดลภาษาอย่างไร</h4><ul><li><strong>ไม่สร้างเนื้อหา</strong> Jev ไม่เขียนคำตอบให้ผู้ใช้ ไม่เขียนโค้ด และไม่อธิบายลำดับเหตุผล คุณเป็นผู้กำหนดคำตอบที่เป็นไปได้ผ่านคำถามหนึ่งในสามประเภท</li><li><strong>ฝึกเพื่อตัดสินใจแบบปรับเทียบ</strong> TypeSafe ฝึกด้วย RLCD (Reinforcement Learning for Calibrated Decisions) โดยปรับความน่าจะเป็นให้ตรงกับผลจริงและสะท้อนความไม่แน่นอน ในคำตอบจำนวนมากที่ให้ความน่าจะเป็น 0,8 ควรถูกประมาณ 80% การปรับเทียบเป็นคุณสมบัติของตัวอย่างจำนวนมาก ไม่ใช่การรับประกันว่าคำตอบเดี่ยวถูกต้อง</li><li><strong>เป้าหมายการฝึกต่างกัน</strong> โมเดลแชตฝึกให้มนุษย์พอใจ (RLHF) ซึ่งตามข้อสังเกตของ TypeSafe ส่งเสริมการเอาใจและข้อผิดพลาดที่ฟังมั่นใจ หนึ่งในผู้ร่วมพัฒนา RLHF คือดีโอโก อัลเมดา ผู้ร่วมก่อตั้ง TypeSafe</li></ul><p>ชื่ออ้างถึง “ระบบ 1” จากหนังสือของแดเนียล คาห์เนมาน “คิดช้า…ตัดสินใจเร็ว” ได้แก่ การตัดสินแบบสัญชาตญาณที่เร็ว เทียบกับการคิดช้าอย่างไตร่ตรองของ “ระบบ 2” Jev สร้างสำหรับการตัดสินเฉพาะเรื่องอย่างรวดเร็ว</p><h4>คำถามสามประเภท</h4><p>หนึ่งคำถามคือหนึ่งการตัดสินเกี่ยวกับสถานะ คำตอบเป็นค่าที่โค้ดนำไปเทียบเกณฑ์ เรียงลำดับ หรือส่งต่อ</p><ol><li><strong>Choice — เลือกตัวเลือก</strong> เช่น แผนกรับเรื่อง หมวดสินค้า หรือภาษาของโค้ดบางส่วน ตัวเลือกเป็นพจนานุกรม “ตัวเลือก → คำอธิบาย” ได้ถึง 255 รายการ คำตอบมี <code>choice</code> ที่เลือก ความน่าจะเป็น <code>probabilities</code> ของทุกตัวเลือกซึ่งรวมเป็น 1 และความมั่นใจ <code>confidence</code> หากรายการอาจไม่ครอบคลุมทุกกรณี ให้เพิ่ม “อื่น ๆ” หรือ “ไม่มีข้อใดข้างต้น”</li><li><strong>Score — ให้คะแนนตามสเกล</strong> ตำแหน่งบนสเกลเรียงลำดับที่คุณอธิบาย เช่น ความรุนแรงบั๊ก ความไม่พอใจลูกค้า หรือระดับทักษะ มี 2 ถึง 10 ระดับจากต่ำไปสูง โมเดลประเมินแต่ละระดับแยกกันโดยไม่เห็นหมายเลขและระดับข้างเคียง คำตอบมี <code>score</code> ซึ่งเป็นผลรวมหมายเลขระดับคูณความน่าจะเป็นของระดับนั้น จึงอาจอยู่ระหว่างระดับได้ พร้อม <code>legend</code> ที่อธิบายระดับ <code>probabilities</code> และ <code>confidence</code></li><li><strong>Noul — ใช่หรือไม่ใช่</strong> ข้อความกล่าวอ้างเป็นจริงหรือไม่ คำตอบ <code>noul</code> คือความน่าจะเป็นของ “ใช่” ตั้งแต่ 0 ถึง 1 ใกล้ 1 คือมั่นใจว่าใช่ ใกล้ 0 คือมั่นใจว่าไม่ใช่ และใกล้ 0,5 คือยังไม่แน่ใจ ไม่มี <code>confidence</code> แยก เพราะตัวเลขเดียวอธิบายคำตอบครบ <code>criteria</code> ที่ไม่บังคับใช้ระบุว่าอะไรนับเป็นใช่และอะไรเป็นไม่ใช่</li></ol><p>วิธีเลือก: ตัวเลือกที่ทราบและไม่มีลำดับใช้ choice ขั้นบนสเปกตรัมใช้ score ใช่/ไม่ใช่ที่สนใจตัวความน่าจะเป็นใช้ noul Noul 0,5 หมายถึงโอกาสใช่กับไม่ใช่เท่ากัน ไม่ใช่ “ระดับกลาง” เพราะ score ใช้วัดระดับ หากมีสองประเภทที่เหมาะ ให้เลือกประเภทที่โค้ดนำไปทำงานได้ทันที ได้แก่ choice สำหรับแขนง score สำหรับเกณฑ์ และ noul สำหรับ <code>if</code></p><p>ผสมประเภทในคำขอเดียวได้ คำตอบจำกัดอยู่ในตัวเลือกของคุณเสมอและไม่ขึ้นกับคำถามอื่น เพิ่มหรือลดคำถามได้โดยไม่เปลี่ยนคำตอบที่เหลือ</p><h4>สถานะ</h4><p>สถานะคือสิ่งที่โมเดลประเมิน เช่น ข้อความลูกค้า ส่วนเอกสาร รายการฐานข้อมูล หรือสถานะแอปพลิเคชัน</p><ul><li><strong>สตริง</strong> เมื่อมีข้อความเดียว เช่น ข้อความ บทความ หรือข้อความคัดมา</li><li><strong>ออบเจ็กต์</strong> สำหรับฟิลด์ที่มีชื่อ รายการที่เกี่ยวข้อง หรือสถานะแอป TypeSafe แนะนำออบเจ็กต์สำหรับคำขอส่วนใหญ่ เพราะแต่ละส่วนมีชื่อเข้าใจได้</li><li><strong>อาร์เรย์</strong> สำหรับลำดับข้อความหรือรายการ</li></ul><p>เตรียมเหมือนข้อมูลให้ผู้เชี่ยวชาญ หากต้องเปรียบเทียบเพื่อเลือก ให้ใส่บทสนทนา คำสั่งซื้อ และกฎคืนสินค้าร่วมกัน เก็บเนื้อหาในสถานะและการตัดสินในคำถาม หากคำถามเกี่ยวกับส่วนเดียวของสถานะ ให้ระบุเส้นทางในเครื่องหมายแบ็กทิก เช่น <code>ticket.messages[0].text</code></p><h4>วิธีตั้งคำถาม</h4><ul><li><strong>หนึ่งการตัดสินเร็วต่อหนึ่งคำถาม</strong> คำถามที่ดีคือคนที่รู้เรื่องและมีบริบทที่ต้องการตอบได้ในหนึ่งวินาที เช่น “ข้อความมีความเร่งด่วนหรือไม่” ส่วน “วิเคราะห์ข้อความแล้วตัดสินว่าต้องทำอะไร” เป็นการคิดช้า ควรแบ่งเป็นคำถามง่าย</li><li><strong>คำถามทั้งหมดอยู่ใน <code>instructions</code></strong> คีย์คำถาม เช่น <code>refund_requested</code> มีไว้ให้โค้ดของคุณเท่านั้น ไม่ส่งให้โมเดล</li><li><strong>ทุกคำถามต่อสถานะเดียวในคำขอเดียว</strong> โมเดลประเมินพร้อมกัน ตามข้อมูล TypeSafe คำถามเพิ่มแทบไม่เพิ่มเวลาตอบ และคิดเพียงโทเคนของตัวเอง คำถามเผื่อไว้จึงมีต้นทุนเพิ่มน้อยมาก โค้ดเลือกเองว่าจะใช้คำตอบใด</li><li><strong>แยกการตัดสินซับซ้อนเป็นส่วน</strong> แทน “ประเมินข้อเสนอสตาร์ตอัป” ให้ถามขนาดตลาด ความเป็นไปได้ทางเทคนิค และความต่างจากคู่แข่งแยก แล้วคำนวณผลในโค้ดด้วยน้ำหนัก เมื่อความสำคัญเปลี่ยน ให้เปลี่ยนน้ำหนัก ไม่ต้องเขียนคำถามใหม่</li><li><strong>คำถามที่พึ่งกันใช้คำขอถัดไป</strong> คำตอบในคำขอเดียวไม่ได้เป็นบริบทให้กัน ต้องใช้คำขอที่สองเฉพาะเมื่อจัดคำขอไม่ได้โดยไม่มีคำตอบแรก เช่น ต้องโหลดข้อมูลหรือเลือกตัวเลือกของคำถามถัดไป</li><li><strong>คำถามยาวใช้เป็นออบเจ็กต์</strong> <code>instructions</code> และ <code>criteria</code> ปกติเป็นสตริง แต่เป็นออบเจ็กต์หรืออาร์เรย์ได้ ใส่คำถามในฟิลด์หนึ่งและข้อมูลในฟิลด์อื่น สะดวกต่อการเทียบประวัติผู้สมัครกับรายการฐานข้อมูลในคำถามเดียว</li></ul><h4>ความมั่นใจ</h4><p>สำหรับ choice และ score ค่า <code>confidence</code> ตั้งแต่ 0 ถึง 1 แสดงว่าความน่าจะเป็นกระจุกในคำตอบเดียวเพียงใด 1 คือทั้งหมดอยู่ที่ตัวเลือกเดียว 0 คือกระจายเท่ากันทุกตัวเลือก สำหรับ score ระดับข้างเคียงลดความมั่นใจน้อยกว่าระดับที่ห่าง สำหรับ noul ความมั่นใจคือตัวค่านั้นเอง ยิ่งห่างจาก 0,5 ยิ่งแน่ใจ</p><p>TypeSafe แนะนำสามช่วง</p><ol><li><strong>ความมั่นใจสูง</strong> — ดำเนินการอัตโนมัติ</li><li><strong>ปานกลาง</strong> — ดำเนินการระมัดระวัง เช่น ขอผู้ใช้ยืนยัน</li><li><strong>ต่ำ</strong> — ส่งให้คนตรวจ ปรับคำขอให้ชัด หรือใช้เส้นทางสำรอง เช่น โมเดลใช้เหตุผลที่เก่งกว่า</li></ol><p>ยิ่งข้อผิดพลาดมีต้นทุนสูง เกณฑ์ยิ่งควรเข้มงวด การกระทำที่ย้อนกลับไม่ได้ใช้เกณฑ์สูงกว่าการอ่าน คำตอบบอกว่าควรเลือกอะไร ความมั่นใจบอกว่าควรดำเนินการหรือไม่ เลือกเกณฑ์จากข้อมูลตนเองโดยเทียบความมั่นใจกับความแม่นยำ</p><h4>การสร้างระบบรอบ Jev</h4><p>Jev ออกแบบสำหรับโปรแกรมที่โค้ดควบคุมกระบวนการและโมเดลตอบคำถามความหมายเฉพาะเรื่อง แทนเอเจนต์ที่เลือกขั้นตอนเองและอาจหลุดทิศทุกวงรอบ TypeSafe เสนอการออกแบบแปดขั้นตอน</p><ol><li>สิ่งใดทำด้วยโค้ดได้ ให้ทำด้วยโค้ดเพื่อความเชื่อถือได้และต้นทุนต่ำ</li><li>ใส่เฉพาะสิ่งที่คำถามปัจจุบันต้องการในสถานะ ข้อเท็จจริงใหม่ใช้จากฐานความรู้ของตน ไม่ใช่ความจำโมเดล</li><li>ใช้โครงสร้างในสถานะ คือ JSON ซ้อนกัน และเส้นทางฟิลด์ในแบ็กทิกในคำถาม หากช่วยลดความกำกวม</li><li>ถามให้เฉพาะและแคบที่สุด ตาม TypeSafe อาจเป็นกฎสำคัญที่สุด เพราะคำถามกว้างซ่อนหลายการตัดสินในคำตอบเดียว</li><li>ใช้โครงสร้างในคำถาม ตัวคำถามสั้น ส่วนคำอธิบาย ตัวอย่าง และค่าจากฐานข้อมูลใส่ฟิลด์ข้างเคียงของออบเจ็กต์ <code>instructions</code> หรือ <code>criteria</code> แทนสตริงยาวเส้นเดียว</li><li>รวมหลายคำถามอิสระต่อสถานะเดียวในคำขอเดียว เพื่อประโยชน์มากขึ้นต่อเงินที่ใช้</li><li>โค้ดรวมคำตอบด้วยกฎ ผลรวมน้ำหนัก หรือใช้เป็นฟีเจอร์ของโมเดลแมชชีนเลิร์นนิงแบบดั้งเดิม</li><li>แตกแขนงตามความมั่นใจ กรณีไม่แน่ใจส่งให้คนหรือโมเดลใช้เหตุผล</li></ol><p>Jev ไม่ใช่แชตหรือโมเดลเติมโค้ด จึงนำไปแทนโมเดลภาษาในเอเจนต์เขียนโปรแกรมไม่ได้ แต่เอเจนต์เขียนโค้ดให้คุณเรียก Jev เมื่อต้องการคำตอบเร็วที่ปรับเทียบแล้วได้</p><h4>การใช้งาน</h4><ul><li><strong>งานอัตโนมัติเบื้องหลัง</strong> — การตัดสินใจที่เรียกเป็นล้านครั้งโดยไม่มีคนเฝ้า</li><li><strong>เรียลไทม์</strong> — ตามข้อมูล TypeSafe คำขอส่วนใหญ่ใช้ประมาณ 100 ms เพียงพอสำหรับประมวลผลทันทีและส่วนติดต่อ</li><li><strong>ข้อมูลขนาดใหญ่</strong> — ค้นหาชุดข้อมูลมหาศาล จัดป้ายบันทึกงานเอเจนต์ และฟีเจอร์สำหรับคาดการณ์</li><li><strong>ตรวจโมเดลอื่น</strong> — คำขอ การสกัดข้อมูล เหตุผล และการเรียกเครื่องมือ ทั้งการเลี่ยงข้อจำกัด อ้างอิงผิด และข้อมูลแต่งขึ้น</li><li><strong>ค้นหาและจัดอันดับ</strong> — ความเกี่ยวข้องของคู่ “คำค้น — ตัวเลือก” จัดอันดับใหม่ และเลือกบริบท</li><li><strong>แยกเส้นทางตามเจตนา</strong> — ผู้ใช้ต้องการอะไรและควรใช้ตัวจัดการใด เช่น ตรรกะง่าย โมเดลเฉพาะ หรือคน หัวข้อ ความซับซ้อน และความเสี่ยงกำหนดว่าจะส่งคำขอให้โมเดลภาษาใด</li><li><strong>การตรวจป้องกัน</strong> — อินพุต เอาต์พุต และการเรียกเครื่องมือของโมเดลภาษา ทั้งคำสั่งแทรก การละเมิดกฎ และการรั่วข้อมูลส่วนบุคคล</li><li><strong>งานสนับสนุน</strong> — หัวข้อและเจตนาคำขอ ความเร่งด่วน ความไม่พอใจ ความเสี่ยงเลิกใช้ คำขอคืนเงิน และคิว</li><li><strong>การกลั่นกรอง</strong> — ตามกฎแพลตฟอร์มของคุณ เช่น ความเป็นพิษ การคุกคาม สแปม ฉ้อโกง คำแนะนำอันตราย และข้อมูลส่วนบุคคล ใช้ความรุนแรงกับความมั่นใจเลือกให้ผ่าน เตือน ตรวจ หรือบล็อก</li><li><strong>สาขางาน</strong> — เคลมประกัน การสืบสวนทางการเงินและ KYC สัญญาและโฆษณา หน้าสินค้า คัดบุคลากร ลีด เกม ความเสี่ยง คาดการณ์อุปสงค์ กราฟความรู้ ทบทวนวิทยาศาสตร์ และตรวจความหมายโค้ดใน CI</li></ul><h4>คุณสมบัติ</h4><ul><li><strong><code>jev-latest</code></strong> — นามแฝงของรุ่นเสถียรล่าสุด ปัจจุบันคือ Jev 1.13 เวอร์ชันที่ตอบอยู่ในฟิลด์ <code>model</code> เช่น <code>jev-1.13.0</code> เมื่อมีรุ่นใหม่ นามแฝงจะเปลี่ยนตาม และคำตอบอาจเปลี่ยนโดยคุณไม่ได้แก้ไข จึงควรติดตามฟิลด์นี้หากเกณฑ์เลือกไว้ตามเวอร์ชัน</li><li><strong>บริบท</strong> — 64K โทเคนต่อคำขอ รวมสถานะกับทุกคำถาม สถานะรวมกับคำถามยาวที่สุดได้ถึง 32K โมเดลอ่านสถานะครั้งเดียวแล้วตรวจทุกคำถามกับสถานะนั้นพร้อมกัน</li><li><strong>อินพุต</strong> — เฉพาะข้อความ ได้แก่ สตริง ออบเจ็กต์ JSON หรืออาร์เรย์ข้อความ ยังไม่รองรับภาพ เสียง และวิดีโอ ต้องแปลงเป็นข้อความก่อน</li><li><strong>ภาษา</strong> — ภาษาหลักในการฝึกคืออังกฤษ ซึ่งมีความแม่นยำสูงสุดปัจจุบัน โมเดลรับภาษาอื่น รวมจีน ญี่ปุ่น และเกาหลี แต่แม่นยำน้อยกว่า ควรตรวจด้วยข้อมูลตนเอง</li><li><strong>ราคาและการคิดค่าบริการใน Ailoot API</strong> — เงื่อนไขขึ้นอยู่กับเมธอดที่เลือก และระบุไว้ในการ์ดของเมธอดนั้น</li><li><strong>การปรับแต่ง</strong> — Jev ไม่ฝึกปรับแต่งด้วยข้อมูลลูกค้า ใส่ข้อมูลของคุณใน <code>state</code> และกฎเฉพาะสาขาใน <code>instructions</code> กับ <code>criteria</code></li><li><strong>ข้อมูล</strong> — TypeSafe แจ้งว่าไม่ฝึก Jev ด้วยคำขอและคำตอบของลูกค้า</li></ul><h4>จุดอ่อนที่ทราบของ Jev 1.13</h4><p>TypeSafe ระบุจุดอ่อนของเวอร์ชันปัจจุบันอย่างเปิดเผย และแจ้งว่าจะปรับปรุงหลายเรื่องในรุ่นถัดไป โมเดลเร็ว ปรับเทียบแล้ว และตัดสินด้วยสามัญสำนึกได้ดี แต่มีข้อจำกัดดังนี้</p><ol><li><strong>อ่านตามตัวอักษร</strong> ตอบคำถามที่เขียน ไม่ใช่สิ่งที่นัยไว้ เข้าใจเงื่อนไข คำปฏิเสธ และข้อกำหนดแฝงแบบตรงตัว เขียนเงื่อนไขกับกรณีขอบเขตอย่างแม่นยำใน <code>criteria</code> หากจำเป็นต้องตีความ ให้แบ่งเป็นสองคำถามตรงตัว</li><li><strong>ไม่ใช่เครื่องคิดเลข</strong> การนับอักขระ การซ้ำ และรายการไม่เชื่อถือได้ ความผิดพลาดเพิ่มตามขนาด ควรนับด้วยโค้ดและถามแยกต่อตัวเลือกแต่ละรายการ โมเดลเข้าใจสีใน hex หรือ RGB น้อยกว่าชื่อสี <code>score</code> เหมาะกับเกณฑ์ ไม่ใช่ตัวเลขแม่นยำระหว่างระดับ</li><li><strong>วันที่และเวลา</strong> การเทียบว่าวันใดก่อน ระยะห่าง หรืออยู่ในช่วงหรือไม่ ไม่เชื่อถือได้ โดยเฉพาะเมื่อผสมรูปแบบและวันที่สัมพัทธ์ ให้สกัดส่วนวันที่ด้วย choice พร้อมตัวเลือก “ไม่ระบุ” แล้วเปรียบเทียบในโค้ด</li><li><strong>ความอ้อมค้อม</strong> คำปฏิเสธซ้อนและคำถามเกี่ยวกับคุณสมบัติของคุณสมบัติลดความแม่นยำ เขียนตรงและเรียกชื่อส่วนของสถานะ</li><li><strong>ข้อมูลเกินในสถานะ</strong> ข้อความไม่เกี่ยวข้องลดความแม่นยำ กรองด้วยโค้ด หากทำไม่ได้ ให้คัดส่วนไม่เกี่ยวข้องด้วยคำถาม noul</li><li><strong>ข้อความมุ่งโจมตี</strong> ค่าเริ่มต้นโมเดลไม่ได้คาดว่าจะมีลูกเล่นในสถานะ คำสั่งแทรกหรือข้อความที่โต้แย้งการจัดประเภทตนเองอาจเปลี่ยนคำตอบ เขียนเกณฑ์แม่นยำและตรวจกรณีขอบเขตก่อนใช้งาน</li><li><strong>ความขัดแย้ง</strong> หาก <code>instructions</code> กับ <code>criteria</code> ขอคนละอย่าง เช่น อธิบาย “ใช่” ของ noul เป็น “ไม่ใช่” ความแม่นยำลดลง เกณฑ์เป็นส่วนต่อของคำถาม</li><li><strong>ลำดับตัวเลือก</strong> บางครั้งโมเดลเอนเอียงไปที่ choice แรก ลองสลับตัวเลือกและตรวจว่าคำตอบไม่เปลี่ยน</li><li><strong>การสร้างเนื้อหา</strong> Jev ไม่ได้ฝึกให้เขียนข้อความ หากต้องสกัดข้อมูล ให้หาค่าที่เป็นไปได้ด้วยนิพจน์ปรกติหรือโมเดลสร้างเนื้อหา แล้วใช้ Jev เลือกตัวที่ถูกผ่าน choice</li></ol></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">ใช้งานได้ใน Ailoot · อินพุตและเมธอด</h3><details class=\"card-method\" open><summary><b>Ailoot · System One</b> <code>POST /v1/systemone</code></summary><dl class=\"method-capabilities\"><div><dt>ขาเข้า</dt><dd><code>text</code></dd></div><div><dt>ขาออก</dt><dd><code>structured</code></dd></div><div><dt>บริบท</dt><dd>64,000 tokens</dd></div><div><dt>รูปแบบเอาต์พุต</dt><dd>json</dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>ฟิลด์</th><th>ประเภท</th><th>ข้อกำหนด</th><th>ค่าและข้อจำกัด</th><th>ค่าเริ่มต้น</th></tr></thead><tbody><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span><code>string</code></td><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>จำเป็น</td><td data-cell-label=\"ค่าและข้อจำกัด\"><span class=\"card-cell-label\">ค่าและข้อจำกัด</span><div>jev-latest</div></td><td data-cell-label=\"ค่าเริ่มต้น\" data-default=\"unspecified\"><span class=\"card-cell-label\">ค่าเริ่มต้น</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">state</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span><code>string|object|array</code></td><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>จำเป็น</td><td data-cell-label=\"ค่าและข้อจำกัด\"><span class=\"card-cell-label\">ค่าและข้อจำกัด</span></td><td data-cell-label=\"ค่าเริ่มต้น\" data-default=\"unspecified\"><span class=\"card-cell-label\">ค่าเริ่มต้น</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">questions</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span><code>object</code></td><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>จำเป็น</td><td data-cell-label=\"ค่าและข้อจำกัด\"><span class=\"card-cell-label\">ค่าและข้อจำกัด</span><div>จำนวนฟิลด์ขั้นต่ำในออบเจ็กต์: 1</div></td><td data-cell-label=\"ค่าเริ่มต้น\" data-default=\"unspecified\"><span class=\"card-cell-label\">ค่าเริ่มต้น</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">questions.&lt;id&gt;.type</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span><code>string</code></td><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>จำเป็น</td><td data-cell-label=\"ค่าและข้อจำกัด\"><span class=\"card-cell-label\">ค่าและข้อจำกัด</span><div>noul, choice, score</div></td><td data-cell-label=\"ค่าเริ่มต้น\" data-default=\"unspecified\"><span class=\"card-cell-label\">ค่าเริ่มต้น</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">questions.&lt;id&gt;.instructions</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span><code>string|object|array|null</code></td><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>ไม่บังคับ</td><td data-cell-label=\"ค่าและข้อจำกัด\"><span class=\"card-cell-label\">ค่าและข้อจำกัด</span></td><td data-cell-label=\"ค่าเริ่มต้น\" data-default=\"unspecified\"><span class=\"card-cell-label\">ค่าเริ่มต้น</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">questions.&lt;id&gt;.criteria</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span><code>object|array|null</code></td><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>ไม่บังคับ</td><td data-cell-label=\"ค่าและข้อจำกัด\"><span class=\"card-cell-label\">ค่าและข้อจำกัด</span><div>เงื่อนไข: noul: คำอธิบาย true/false ซึ่งไม่จำเป็นและรับ null ได้; choice: ออบเจ็กต์เกณฑ์; score: อาร์เรย์เกณฑ์ที่ไม่ว่าง</div></td><td data-cell-label=\"ค่าเริ่มต้น\" data-default=\"unspecified\"><span class=\"card-cell-label\">ค่าเริ่มต้น</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">stream</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span><code>boolean|null</code></td><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>ไม่บังคับ</td><td data-cell-label=\"ค่าและข้อจำกัด\"><span class=\"card-cell-label\">ค่าและข้อจำกัด</span><div>false, null</div></td><td data-cell-label=\"ค่าเริ่มต้น\" data-default=\"unspecified\"><span class=\"card-cell-label\">ค่าเริ่มต้น</span>—</td></tr></tbody></table></div><details class=\"card-about\" data-material-combinations><summary>ชุดผสมของสื่ออินพุต</summary><p class=\"note-s\"><b>noul</b> · จำเป็น: state, questions.&lt;id&gt;.type=noul</p><p class=\"note-s\"><b>choice</b> · จำเป็น: state, questions.&lt;id&gt;.type=choice, criteria object</p><p class=\"note-s\"><b>score</b> · จำเป็น: state, questions.&lt;id&gt;.type=score, nonemptycriteriaarray</p></details><details class=\"note-s\" data-method-contract><summary>พารามิเตอร์และวงจรการทำงานของเมธอด</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>พารามิเตอร์</th><th>ข้อกำหนด</th></tr></thead><tbody><tr><th data-cell-label=\"พารามิเตอร์\" scope=\"row\"><span class=\"card-cell-label\">พารามิเตอร์</span><code>material_types</code></th><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>text</td></tr><tr><th data-cell-label=\"พารามิเตอร์\" scope=\"row\"><span class=\"card-cell-label\">พารามิเตอร์</span><code>required</code></th><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>model, state, questions</td></tr><tr><th data-cell-label=\"พารามิเตอร์\" scope=\"row\"><span class=\"card-cell-label\">พารามิเตอร์</span><code>optional_controls</code></th><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>null</td></tr><tr><th data-cell-label=\"พารามิเตอร์\" scope=\"row\"><span class=\"card-cell-label\">พารามิเตอร์</span><code>content_type</code></th><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>application/json</td></tr></tbody></table></div><p>วงจรการทำงาน: <code>exact retained published method</code></p><p class=\"note-s\">รูปแบบเมธอดและ ID ระบุอย่างแม่นยำ ความสามารถของผู้ให้บริการแยกจากการอนุญาตให้รับคำขอ</p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">ราคา</h3><h4>อัตราค่าบริการเมธอด Ailoot</h4><section class=\"meth\" data-route=\"Core\"><header><b><span class=\"alias\">Ailoot</span> System One</b><code>POST /v1/systemone</code></header><dl><div><dt>ขาเข้า</dt><dd>≈US$0.000084 <em>/ 1K</em></dd></div><div><dt>ขาออก</dt><dd>US$0.00 <em>/ 1K</em></dd></div></dl></section><p class=\"note-s\">Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย <a href=\"/docs/th/billing/reserve/\">วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">ตัวอย่างคำขอ</h3><h4>Ailoot · System One</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"ตัวเลือกโค้ด\"><button class=\"cg-tab\" id=\"model-code-665-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-665-panel-0\" aria-selected=\"true\" tabindex=\"0\">ตัวอย่างการจัดประเภท</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"คัดลอกโค้ด\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-665-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-665-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\n: &quot;${AILOOT_TEXT_FILE:?Set your actual UTF-8 customer message}&quot;\nexport AILOOT_TEXT_FILE\npython3 - &lt;&lt;&#39;PY_REQUEST&#39;\nimport json,os\nfrom pathlib import Path\np=json.loads(&#39;{&quot;model&quot;: &quot;jev-latest&quot;, &quot;state&quot;: &quot;&quot;, &quot;questions&quot;: {&quot;is_urgent&quot;: {&quot;type&quot;: &quot;noul&quot;, &quot;instructions&quot;: &quot;Does the supplied customer message express urgency?&quot;}}}&#39;)\nf=Path(os.environ[&quot;AILOOT_TEXT_FILE&quot;])\nif not f.is_file():raise SystemExit(&quot;Choose your actual UTF-8 source material&quot;)\ntext=f.read_text(encoding=&quot;utf-8&quot;)\nif not text.strip():raise SystemExit(&quot;Source material must contain text&quot;)\np[&quot;state&quot;]=text\nPath(&quot;request.json&quot;).write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - &lt;&lt;&#39;PY_RESULT&#39;\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(&quot;result.json&quot;).read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">รับและบันทึกผลลัพธ์</h3><h4>Ailoot · System One</h4><p class=\"note-s\">json</p><div class=\"card-result-process\" data-all-results><h5>เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด</h5><p class=\"note-s\">เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน</p><p class=\"note-s\">เก็บคำตอบทุกข้อผูกกับ ID คำถามที่ให้มา พร้อมความน่าจะเป็นและคำอธิบายสัญลักษณ์ สูตรความเชื่อมั่นที่ใช้ n กำหนดให้ n&gt;1 โดยไม่ได้ยืนยันกฎจำนวนตัวเลือกขั้นต่ำของ API</p></div><details class=\"card-about\" data-output-fields><summary>ฟิลด์การตอบกลับ</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>ฟิลด์</th><th>ประเภท</th></tr></thead><tbody><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">answers.&lt;id&gt;.type</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span>string</td></tr><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">answers.&lt;id&gt;.noul</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span>number</td></tr><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">answers.&lt;id&gt;.choice</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span>string</td></tr><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">answers.&lt;id&gt;.score</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span>number</td></tr><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">answers.&lt;id&gt;.confidence</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span>number</td></tr><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">answers.&lt;id&gt;.probabilities</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span>object</td></tr><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">answers.&lt;id&gt;.legend</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span>object</td></tr><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">usage</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span>object</td></tr></tbody></table></div></details><details class=\"card-about\" data-method-errors><summary>ข้อผิดพลาดและขั้นตอนถัดไป</summary><div class=\"tw\" data-card-table=\"errors\"><table><thead><tr><th>การตอบกลับ</th><th>เงื่อนไข</th><th>ขั้นตอนถัดไป</th></tr></thead><tbody><tr><th data-cell-label=\"การตอบกลับ\" scope=\"row\"><span class=\"card-cell-label\">การตอบกลับ</span>400 · <code>invalid_request_error</code></th><td data-cell-label=\"เงื่อนไข\"><span class=\"card-cell-label\">เงื่อนไข</span>ฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง</td><td data-cell-label=\"ขั้นตอนถัดไป\"><span class=\"card-cell-label\">ขั้นตอนถัดไป</span>แก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">ชื่ออื่น</h3><h4>ชื่ออื่นของโมเดล</h4><p class=\"note-s\"><span data-model-alias-route=\"Core\"><b>Ailoot</b> <a href=\"#m=jev-latest&amp;route=Core&amp;caller=jev-latest&amp;fmt=systemone\"><code>jev-latest</code></a></span></p><h4>ชื่อพาธเมธอดอื่น</h4><p class=\"note-s\">ใช้พาธเมธอดที่แสดงด้านบน</p><h4>ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล</h4><p class=\"note-s\"><a href=\"#m=jev-latest&amp;route=Core&amp;caller=jev-latest&amp;fmt=systemone\"><code>jev-latest</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "jev-latest",
        "fmt": "systemone",
        "http": "POST",
        "path": "/v1/systemone",
        "request_model_id": "jev-latest",
        "route_label": "Core"
      },
      "method_key": "Core|systemone|/v1/systemone|jev-latest",
      "ordinal": 0,
      "rawMethod": {
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "cache_write_5m": null,
        "conditional_meter": null,
        "contract": {
          "data": {
            "all_results": "Retain every answer by its supplied question ID, probability and legend; confidenceformulausingnrequiresn>1withoutassertinganAPIminchoicesrule.",
            "errors": [
              {
                "code": null,
                "condition": "ฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง",
                "http_status": 400,
                "recovery": "แก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่",
                "type": "invalid_request_error"
              }
            ],
            "hints": [],
            "ignored_fields": [],
            "lifecycle": {
              "mode": "exact retained published method"
            },
            "material_combinations": [
              {
                "mode": "noul",
                "required": [
                  "state",
                  "questions.<id>.type=noul"
                ]
              },
              {
                "mode": "choice",
                "required": [
                  "state",
                  "questions.<id>.type=choice",
                  "criteria object"
                ]
              },
              {
                "mode": "score",
                "required": [
                  "state",
                  "questions.<id>.type=score",
                  "nonemptycriteriaarray"
                ]
              }
            ],
            "operation_modes": [
              "noul",
              "choice",
              "score"
            ],
            "outputs": {
              "all_results": "เก็บคำตอบทุกข้อผูกกับ ID คำถามที่ให้มา พร้อมความน่าจะเป็นและคำอธิบายสัญลักษณ์ สูตรความเชื่อมั่นที่ใช้ n กำหนดให้ n>1 โดยไม่ได้ยืนยันกฎจำนวนตัวเลือกขั้นต่ำของ API",
              "family": "structured",
              "fields": [
                {
                  "description": null,
                  "name": "answers.<id>.type",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "answers.<id>.noul",
                  "type": "number"
                },
                {
                  "description": null,
                  "name": "answers.<id>.choice",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "answers.<id>.score",
                  "type": "number"
                },
                {
                  "description": null,
                  "name": "answers.<id>.confidence",
                  "type": "number"
                },
                {
                  "description": null,
                  "name": "answers.<id>.probabilities",
                  "type": "object"
                },
                {
                  "description": null,
                  "name": "answers.<id>.legend",
                  "type": "object"
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": "object"
                }
              ],
              "format": "json"
            },
            "parameters": [
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "jev-latest"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "state",
                "required": true,
                "type": "string|object|array"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "min_properties": 1,
                "name": "questions",
                "required": true,
                "type": "object"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "noul",
                  "choice",
                  "score"
                ],
                "enum_known": true,
                "name": "questions.<id>.type",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "questions.<id>.instructions",
                "required": false,
                "type": "string|object|array|null"
              },
              {
                "availability": "source_interface",
                "conditions": "noul: คำอธิบาย true/false ซึ่งไม่จำเป็นและรับ null ได้; choice: ออบเจ็กต์เกณฑ์; score: อาร์เรย์เกณฑ์ที่ไม่ว่าง",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "questions.<id>.criteria",
                "required": false,
                "type": "object|array|null"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  false,
                  null
                ],
                "enum_known": true,
                "name": "stream",
                "required": false,
                "type": "boolean|null"
              }
            ],
            "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.",
            "unsupported": [
              "stream=true",
              "duplicateandcase-variedcanonicalkeys"
            ]
          },
          "hints": [
            "รูปแบบเมธอดและ ID ระบุอย่างแม่นยำ ความสามารถของผู้ให้บริการแยกจากการอนุญาตให้รับคำขอ"
          ],
          "input": {
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional_controls": null,
            "required": [
              "model",
              "state",
              "questions"
            ]
          },
          "lifecycle": {
            "mode": "exact retained published method"
          },
          "method": {
            "http": "POST",
            "path": "/v1/systemone"
          },
          "operation_modes": [
            "systemone"
          ],
          "output": {
            "family": [
              "structured"
            ],
            "format": "structured decisions JSON",
            "multioutputs": "retain every actual response output"
          }
        },
        "ctx": 64000,
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 customer message}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"jev-latest\", \"state\": \"\", \"questions\": {\"is_urgent\": {\"type\": \"noul\", \"instructions\": \"Does the supplied customer message express urgency?\"}}}')\nf=Path(os.environ[\"AILOOT_TEXT_FILE\"])\nif not f.is_file():raise SystemExit(\"Choose your actual UTF-8 source material\")\ntext=f.read_text(encoding=\"utf-8\")\nif not text.strip():raise SystemExit(\"Source material must contain text\")\np[\"state\"]=text\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"result.json\").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\n",
            "label": "Classify your actual customer message",
            "language": "bash"
          }
        ],
        "family": "systemone",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "systemone",
        "http": "POST",
        "img_in": null,
        "img_out": null,
        "in": 0.084,
        "input": [
          "text"
        ],
        "label": "System One",
        "max_out": 0,
        "max_tool_calls": null,
        "out": 0,
        "output": [
          "structured"
        ],
        "path": "/v1/systemone",
        "pricing_profiles": [
          {
            "dimensions": {},
            "label": "Core",
            "units": [
              {
                "amount": 0.084,
                "amount_unit": "usd_per_million_tokens",
                "key": "in",
                "label": "Input",
                "side": "in"
              },
              {
                "amount": 0,
                "amount_unit": "usd_per_million_tokens",
                "key": "out",
                "label": "Output",
                "side": "out"
              }
            ]
          }
        ],
        "request_model_id": "jev-latest",
        "route_label": "Core",
        "status_reads": [],
        "tiers": [],
        "tool_prices": null,
        "unit": "token",
        "units": []
      }
    }
  ],
  "model_id": "jev-latest",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "fde86abc879416582d29d6484abb77087d0e91a8d4f6b2220147d63487e7c3b8",
    "input_html_sha256": "4220e94c4f07819fe85f7fd2095b73f56a7a00b788aa44d2d6d42cb21c51cb58",
    "private_audit_sha256": "5e4fbdfd4616e69f844dfeb71ab6b72083a1176256e0131bd18df0f2dfef2152",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/th/jev-latest/",
    "description": "โมเดลตัดสินใจของ TypeSafe ไม่เขียนข้อความ แต่ตอบคำถามแบบกำหนดชนิดเกี่ยวกับข้อความหรือ JSON ได้แก่ เลือกตัวเลือก ให้คะแนนตามสเกล หรือใช่/ไม่ใช่พร้อมความน่าจะเป็น เหมาะกับการจัดเส้นทาง คัดแยกคำขอ กลั่นกรอง และให้คะแนน ประเมินทุกคำถามในคำขอเดียวพร้อมกัน",
    "locale": "th",
    "md_url": "https://ailoot.ai/models/th/jev-latest/index.md",
    "title": "jev-latest — Ailoot",
    "url": "https://ailoot.ai/models/th/jev-latest/"
  },
  "rawModel": {
    "about": "Jev เป็นโมเดลเรือธงของ TypeSafe และโมเดลแรกในกลุ่มใหม่ **System One** ไม่เขียนข้อความ แต่ตัดสินใจอย่างรวดเร็วให้โปรแกรมใช้ได้ทันที โดยส่ง **สถานะ** (`state`) เป็นข้อความหรือ JSON พร้อมชุด **คำถาม** แล้วรับค่าตามชนิดที่กำหนดพร้อมความน่าจะเป็นที่ปรับเทียบแล้ว\n\nโมเดลภาษาเขียนคำให้มนุษย์อ่าน ส่วน Jev ตามคำอธิบายของ TypeSafe ใกล้กับโค้ดมากกว่า คำตอบอยู่ในรูปที่โค้ดต้องการทันที รวดเร็วสูง และไม่มีค่าใดอยู่นอกตัวเลือกที่กำหนด โมเดลออกแบบให้ตอบสม่ำเสมอเมื่อถามซ้ำ\n\n### System One ต่างจากโมเดลภาษาอย่างไร\n\n- **ไม่สร้างเนื้อหา** Jev ไม่เขียนคำตอบให้ผู้ใช้ ไม่เขียนโค้ด และไม่อธิบายลำดับเหตุผล คุณเป็นผู้กำหนดคำตอบที่เป็นไปได้ผ่านคำถามหนึ่งในสามประเภท\n- **ฝึกเพื่อตัดสินใจแบบปรับเทียบ** TypeSafe ฝึกด้วย RLCD (Reinforcement Learning for Calibrated Decisions) โดยปรับความน่าจะเป็นให้ตรงกับผลจริงและสะท้อนความไม่แน่นอน ในคำตอบจำนวนมากที่ให้ความน่าจะเป็น 0,8 ควรถูกประมาณ 80% การปรับเทียบเป็นคุณสมบัติของตัวอย่างจำนวนมาก ไม่ใช่การรับประกันว่าคำตอบเดี่ยวถูกต้อง\n- **เป้าหมายการฝึกต่างกัน** โมเดลแชตฝึกให้มนุษย์พอใจ (RLHF) ซึ่งตามข้อสังเกตของ TypeSafe ส่งเสริมการเอาใจและข้อผิดพลาดที่ฟังมั่นใจ หนึ่งในผู้ร่วมพัฒนา RLHF คือดีโอโก อัลเมดา ผู้ร่วมก่อตั้ง TypeSafe\n\nชื่ออ้างถึง “ระบบ 1” จากหนังสือของแดเนียล คาห์เนมาน “คิดช้า…ตัดสินใจเร็ว” ได้แก่ การตัดสินแบบสัญชาตญาณที่เร็ว เทียบกับการคิดช้าอย่างไตร่ตรองของ “ระบบ 2” Jev สร้างสำหรับการตัดสินเฉพาะเรื่องอย่างรวดเร็ว\n\n### คำถามสามประเภท\n\nหนึ่งคำถามคือหนึ่งการตัดสินเกี่ยวกับสถานะ คำตอบเป็นค่าที่โค้ดนำไปเทียบเกณฑ์ เรียงลำดับ หรือส่งต่อ\n\n1. **Choice — เลือกตัวเลือก** เช่น แผนกรับเรื่อง หมวดสินค้า หรือภาษาของโค้ดบางส่วน ตัวเลือกเป็นพจนานุกรม “ตัวเลือก → คำอธิบาย” ได้ถึง 255 รายการ คำตอบมี `choice` ที่เลือก ความน่าจะเป็น `probabilities` ของทุกตัวเลือกซึ่งรวมเป็น 1 และความมั่นใจ `confidence` หากรายการอาจไม่ครอบคลุมทุกกรณี ให้เพิ่ม “อื่น ๆ” หรือ “ไม่มีข้อใดข้างต้น”\n2. **Score — ให้คะแนนตามสเกล** ตำแหน่งบนสเกลเรียงลำดับที่คุณอธิบาย เช่น ความรุนแรงบั๊ก ความไม่พอใจลูกค้า หรือระดับทักษะ มี 2 ถึง 10 ระดับจากต่ำไปสูง โมเดลประเมินแต่ละระดับแยกกันโดยไม่เห็นหมายเลขและระดับข้างเคียง คำตอบมี `score` ซึ่งเป็นผลรวมหมายเลขระดับคูณความน่าจะเป็นของระดับนั้น จึงอาจอยู่ระหว่างระดับได้ พร้อม `legend` ที่อธิบายระดับ `probabilities` และ `confidence`\n3. **Noul — ใช่หรือไม่ใช่** ข้อความกล่าวอ้างเป็นจริงหรือไม่ คำตอบ `noul` คือความน่าจะเป็นของ “ใช่” ตั้งแต่ 0 ถึง 1 ใกล้ 1 คือมั่นใจว่าใช่ ใกล้ 0 คือมั่นใจว่าไม่ใช่ และใกล้ 0,5 คือยังไม่แน่ใจ ไม่มี `confidence` แยก เพราะตัวเลขเดียวอธิบายคำตอบครบ `criteria` ที่ไม่บังคับใช้ระบุว่าอะไรนับเป็นใช่และอะไรเป็นไม่ใช่\n\nวิธีเลือก: ตัวเลือกที่ทราบและไม่มีลำดับใช้ choice ขั้นบนสเปกตรัมใช้ score ใช่/ไม่ใช่ที่สนใจตัวความน่าจะเป็นใช้ noul Noul 0,5 หมายถึงโอกาสใช่กับไม่ใช่เท่ากัน ไม่ใช่ “ระดับกลาง” เพราะ score ใช้วัดระดับ หากมีสองประเภทที่เหมาะ ให้เลือกประเภทที่โค้ดนำไปทำงานได้ทันที ได้แก่ choice สำหรับแขนง score สำหรับเกณฑ์ และ noul สำหรับ `if`\n\nผสมประเภทในคำขอเดียวได้ คำตอบจำกัดอยู่ในตัวเลือกของคุณเสมอและไม่ขึ้นกับคำถามอื่น เพิ่มหรือลดคำถามได้โดยไม่เปลี่ยนคำตอบที่เหลือ\n\n### สถานะ\n\nสถานะคือสิ่งที่โมเดลประเมิน เช่น ข้อความลูกค้า ส่วนเอกสาร รายการฐานข้อมูล หรือสถานะแอปพลิเคชัน\n\n- **สตริง** เมื่อมีข้อความเดียว เช่น ข้อความ บทความ หรือข้อความคัดมา\n- **ออบเจ็กต์** สำหรับฟิลด์ที่มีชื่อ รายการที่เกี่ยวข้อง หรือสถานะแอป TypeSafe แนะนำออบเจ็กต์สำหรับคำขอส่วนใหญ่ เพราะแต่ละส่วนมีชื่อเข้าใจได้\n- **อาร์เรย์** สำหรับลำดับข้อความหรือรายการ\n\nเตรียมเหมือนข้อมูลให้ผู้เชี่ยวชาญ หากต้องเปรียบเทียบเพื่อเลือก ให้ใส่บทสนทนา คำสั่งซื้อ และกฎคืนสินค้าร่วมกัน เก็บเนื้อหาในสถานะและการตัดสินในคำถาม หากคำถามเกี่ยวกับส่วนเดียวของสถานะ ให้ระบุเส้นทางในเครื่องหมายแบ็กทิก เช่น `ticket.messages[0].text`\n\n### วิธีตั้งคำถาม\n\n- **หนึ่งการตัดสินเร็วต่อหนึ่งคำถาม** คำถามที่ดีคือคนที่รู้เรื่องและมีบริบทที่ต้องการตอบได้ในหนึ่งวินาที เช่น “ข้อความมีความเร่งด่วนหรือไม่” ส่วน “วิเคราะห์ข้อความแล้วตัดสินว่าต้องทำอะไร” เป็นการคิดช้า ควรแบ่งเป็นคำถามง่าย\n- **คำถามทั้งหมดอยู่ใน `instructions`** คีย์คำถาม เช่น `refund_requested` มีไว้ให้โค้ดของคุณเท่านั้น ไม่ส่งให้โมเดล\n- **ทุกคำถามต่อสถานะเดียวในคำขอเดียว** โมเดลประเมินพร้อมกัน ตามข้อมูล TypeSafe คำถามเพิ่มแทบไม่เพิ่มเวลาตอบ และคิดเพียงโทเคนของตัวเอง คำถามเผื่อไว้จึงมีต้นทุนเพิ่มน้อยมาก โค้ดเลือกเองว่าจะใช้คำตอบใด\n- **แยกการตัดสินซับซ้อนเป็นส่วน** แทน “ประเมินข้อเสนอสตาร์ตอัป” ให้ถามขนาดตลาด ความเป็นไปได้ทางเทคนิค และความต่างจากคู่แข่งแยก แล้วคำนวณผลในโค้ดด้วยน้ำหนัก เมื่อความสำคัญเปลี่ยน ให้เปลี่ยนน้ำหนัก ไม่ต้องเขียนคำถามใหม่\n- **คำถามที่พึ่งกันใช้คำขอถัดไป** คำตอบในคำขอเดียวไม่ได้เป็นบริบทให้กัน ต้องใช้คำขอที่สองเฉพาะเมื่อจัดคำขอไม่ได้โดยไม่มีคำตอบแรก เช่น ต้องโหลดข้อมูลหรือเลือกตัวเลือกของคำถามถัดไป\n- **คำถามยาวใช้เป็นออบเจ็กต์** `instructions` และ `criteria` ปกติเป็นสตริง แต่เป็นออบเจ็กต์หรืออาร์เรย์ได้ ใส่คำถามในฟิลด์หนึ่งและข้อมูลในฟิลด์อื่น สะดวกต่อการเทียบประวัติผู้สมัครกับรายการฐานข้อมูลในคำถามเดียว\n\n### ความมั่นใจ\n\nสำหรับ choice และ score ค่า `confidence` ตั้งแต่ 0 ถึง 1 แสดงว่าความน่าจะเป็นกระจุกในคำตอบเดียวเพียงใด 1 คือทั้งหมดอยู่ที่ตัวเลือกเดียว 0 คือกระจายเท่ากันทุกตัวเลือก สำหรับ score ระดับข้างเคียงลดความมั่นใจน้อยกว่าระดับที่ห่าง สำหรับ noul ความมั่นใจคือตัวค่านั้นเอง ยิ่งห่างจาก 0,5 ยิ่งแน่ใจ\n\nTypeSafe แนะนำสามช่วง\n\n1. **ความมั่นใจสูง** — ดำเนินการอัตโนมัติ\n2. **ปานกลาง** — ดำเนินการระมัดระวัง เช่น ขอผู้ใช้ยืนยัน\n3. **ต่ำ** — ส่งให้คนตรวจ ปรับคำขอให้ชัด หรือใช้เส้นทางสำรอง เช่น โมเดลใช้เหตุผลที่เก่งกว่า\n\nยิ่งข้อผิดพลาดมีต้นทุนสูง เกณฑ์ยิ่งควรเข้มงวด การกระทำที่ย้อนกลับไม่ได้ใช้เกณฑ์สูงกว่าการอ่าน คำตอบบอกว่าควรเลือกอะไร ความมั่นใจบอกว่าควรดำเนินการหรือไม่ เลือกเกณฑ์จากข้อมูลตนเองโดยเทียบความมั่นใจกับความแม่นยำ\n\n### การสร้างระบบรอบ Jev\n\nJev ออกแบบสำหรับโปรแกรมที่โค้ดควบคุมกระบวนการและโมเดลตอบคำถามความหมายเฉพาะเรื่อง แทนเอเจนต์ที่เลือกขั้นตอนเองและอาจหลุดทิศทุกวงรอบ TypeSafe เสนอการออกแบบแปดขั้นตอน\n\n1. สิ่งใดทำด้วยโค้ดได้ ให้ทำด้วยโค้ดเพื่อความเชื่อถือได้และต้นทุนต่ำ\n2. ใส่เฉพาะสิ่งที่คำถามปัจจุบันต้องการในสถานะ ข้อเท็จจริงใหม่ใช้จากฐานความรู้ของตน ไม่ใช่ความจำโมเดล\n3. ใช้โครงสร้างในสถานะ คือ JSON ซ้อนกัน และเส้นทางฟิลด์ในแบ็กทิกในคำถาม หากช่วยลดความกำกวม\n4. ถามให้เฉพาะและแคบที่สุด ตาม TypeSafe อาจเป็นกฎสำคัญที่สุด เพราะคำถามกว้างซ่อนหลายการตัดสินในคำตอบเดียว\n5. ใช้โครงสร้างในคำถาม ตัวคำถามสั้น ส่วนคำอธิบาย ตัวอย่าง และค่าจากฐานข้อมูลใส่ฟิลด์ข้างเคียงของออบเจ็กต์ `instructions` หรือ `criteria` แทนสตริงยาวเส้นเดียว\n6. รวมหลายคำถามอิสระต่อสถานะเดียวในคำขอเดียว เพื่อประโยชน์มากขึ้นต่อเงินที่ใช้\n7. โค้ดรวมคำตอบด้วยกฎ ผลรวมน้ำหนัก หรือใช้เป็นฟีเจอร์ของโมเดลแมชชีนเลิร์นนิงแบบดั้งเดิม\n8. แตกแขนงตามความมั่นใจ กรณีไม่แน่ใจส่งให้คนหรือโมเดลใช้เหตุผล\n\nJev ไม่ใช่แชตหรือโมเดลเติมโค้ด จึงนำไปแทนโมเดลภาษาในเอเจนต์เขียนโปรแกรมไม่ได้ แต่เอเจนต์เขียนโค้ดให้คุณเรียก Jev เมื่อต้องการคำตอบเร็วที่ปรับเทียบแล้วได้\n\n### การใช้งาน\n\n- **งานอัตโนมัติเบื้องหลัง** — การตัดสินใจที่เรียกเป็นล้านครั้งโดยไม่มีคนเฝ้า\n- **เรียลไทม์** — ตามข้อมูล TypeSafe คำขอส่วนใหญ่ใช้ประมาณ 100 ms เพียงพอสำหรับประมวลผลทันทีและส่วนติดต่อ\n- **ข้อมูลขนาดใหญ่** — ค้นหาชุดข้อมูลมหาศาล จัดป้ายบันทึกงานเอเจนต์ และฟีเจอร์สำหรับคาดการณ์\n- **ตรวจโมเดลอื่น** — คำขอ การสกัดข้อมูล เหตุผล และการเรียกเครื่องมือ ทั้งการเลี่ยงข้อจำกัด อ้างอิงผิด และข้อมูลแต่งขึ้น\n- **ค้นหาและจัดอันดับ** — ความเกี่ยวข้องของคู่ “คำค้น — ตัวเลือก” จัดอันดับใหม่ และเลือกบริบท\n- **แยกเส้นทางตามเจตนา** — ผู้ใช้ต้องการอะไรและควรใช้ตัวจัดการใด เช่น ตรรกะง่าย โมเดลเฉพาะ หรือคน หัวข้อ ความซับซ้อน และความเสี่ยงกำหนดว่าจะส่งคำขอให้โมเดลภาษาใด\n- **การตรวจป้องกัน** — อินพุต เอาต์พุต และการเรียกเครื่องมือของโมเดลภาษา ทั้งคำสั่งแทรก การละเมิดกฎ และการรั่วข้อมูลส่วนบุคคล\n- **งานสนับสนุน** — หัวข้อและเจตนาคำขอ ความเร่งด่วน ความไม่พอใจ ความเสี่ยงเลิกใช้ คำขอคืนเงิน และคิว\n- **การกลั่นกรอง** — ตามกฎแพลตฟอร์มของคุณ เช่น ความเป็นพิษ การคุกคาม สแปม ฉ้อโกง คำแนะนำอันตราย และข้อมูลส่วนบุคคล ใช้ความรุนแรงกับความมั่นใจเลือกให้ผ่าน เตือน ตรวจ หรือบล็อก\n- **สาขางาน** — เคลมประกัน การสืบสวนทางการเงินและ KYC สัญญาและโฆษณา หน้าสินค้า คัดบุคลากร ลีด เกม ความเสี่ยง คาดการณ์อุปสงค์ กราฟความรู้ ทบทวนวิทยาศาสตร์ และตรวจความหมายโค้ดใน CI\n\n### คุณสมบัติ\n\n- **`jev-latest`** — นามแฝงของรุ่นเสถียรล่าสุด ปัจจุบันคือ Jev 1.13 เวอร์ชันที่ตอบอยู่ในฟิลด์ `model` เช่น `jev-1.13.0` เมื่อมีรุ่นใหม่ นามแฝงจะเปลี่ยนตาม และคำตอบอาจเปลี่ยนโดยคุณไม่ได้แก้ไข จึงควรติดตามฟิลด์นี้หากเกณฑ์เลือกไว้ตามเวอร์ชัน\n- **บริบท** — 64K โทเคนต่อคำขอ รวมสถานะกับทุกคำถาม สถานะรวมกับคำถามยาวที่สุดได้ถึง 32K โมเดลอ่านสถานะครั้งเดียวแล้วตรวจทุกคำถามกับสถานะนั้นพร้อมกัน\n- **อินพุต** — เฉพาะข้อความ ได้แก่ สตริง ออบเจ็กต์ JSON หรืออาร์เรย์ข้อความ ยังไม่รองรับภาพ เสียง และวิดีโอ ต้องแปลงเป็นข้อความก่อน\n- **ภาษา** — ภาษาหลักในการฝึกคืออังกฤษ ซึ่งมีความแม่นยำสูงสุดปัจจุบัน โมเดลรับภาษาอื่น รวมจีน ญี่ปุ่น และเกาหลี แต่แม่นยำน้อยกว่า ควรตรวจด้วยข้อมูลตนเอง\n- **ราคาและการคิดค่าบริการใน Ailoot API** — เงื่อนไขขึ้นอยู่กับเมธอดที่เลือก และระบุไว้ในการ์ดของเมธอดนั้น\n- **การปรับแต่ง** — Jev ไม่ฝึกปรับแต่งด้วยข้อมูลลูกค้า ใส่ข้อมูลของคุณใน `state` และกฎเฉพาะสาขาใน `instructions` กับ `criteria`\n- **ข้อมูล** — TypeSafe แจ้งว่าไม่ฝึก Jev ด้วยคำขอและคำตอบของลูกค้า\n\n### จุดอ่อนที่ทราบของ Jev 1.13\n\nTypeSafe ระบุจุดอ่อนของเวอร์ชันปัจจุบันอย่างเปิดเผย และแจ้งว่าจะปรับปรุงหลายเรื่องในรุ่นถัดไป โมเดลเร็ว ปรับเทียบแล้ว และตัดสินด้วยสามัญสำนึกได้ดี แต่มีข้อจำกัดดังนี้\n\n1. **อ่านตามตัวอักษร** ตอบคำถามที่เขียน ไม่ใช่สิ่งที่นัยไว้ เข้าใจเงื่อนไข คำปฏิเสธ และข้อกำหนดแฝงแบบตรงตัว เขียนเงื่อนไขกับกรณีขอบเขตอย่างแม่นยำใน `criteria` หากจำเป็นต้องตีความ ให้แบ่งเป็นสองคำถามตรงตัว\n2. **ไม่ใช่เครื่องคิดเลข** การนับอักขระ การซ้ำ และรายการไม่เชื่อถือได้ ความผิดพลาดเพิ่มตามขนาด ควรนับด้วยโค้ดและถามแยกต่อตัวเลือกแต่ละรายการ โมเดลเข้าใจสีใน hex หรือ RGB น้อยกว่าชื่อสี `score` เหมาะกับเกณฑ์ ไม่ใช่ตัวเลขแม่นยำระหว่างระดับ\n3. **วันที่และเวลา** การเทียบว่าวันใดก่อน ระยะห่าง หรืออยู่ในช่วงหรือไม่ ไม่เชื่อถือได้ โดยเฉพาะเมื่อผสมรูปแบบและวันที่สัมพัทธ์ ให้สกัดส่วนวันที่ด้วย choice พร้อมตัวเลือก “ไม่ระบุ” แล้วเปรียบเทียบในโค้ด\n4. **ความอ้อมค้อม** คำปฏิเสธซ้อนและคำถามเกี่ยวกับคุณสมบัติของคุณสมบัติลดความแม่นยำ เขียนตรงและเรียกชื่อส่วนของสถานะ\n5. **ข้อมูลเกินในสถานะ** ข้อความไม่เกี่ยวข้องลดความแม่นยำ กรองด้วยโค้ด หากทำไม่ได้ ให้คัดส่วนไม่เกี่ยวข้องด้วยคำถาม noul\n6. **ข้อความมุ่งโจมตี** ค่าเริ่มต้นโมเดลไม่ได้คาดว่าจะมีลูกเล่นในสถานะ คำสั่งแทรกหรือข้อความที่โต้แย้งการจัดประเภทตนเองอาจเปลี่ยนคำตอบ เขียนเกณฑ์แม่นยำและตรวจกรณีขอบเขตก่อนใช้งาน\n7. **ความขัดแย้ง** หาก `instructions` กับ `criteria` ขอคนละอย่าง เช่น อธิบาย “ใช่” ของ noul เป็น “ไม่ใช่” ความแม่นยำลดลง เกณฑ์เป็นส่วนต่อของคำถาม\n8. **ลำดับตัวเลือก** บางครั้งโมเดลเอนเอียงไปที่ choice แรก ลองสลับตัวเลือกและตรวจว่าคำตอบไม่เปลี่ยน\n9. **การสร้างเนื้อหา** Jev ไม่ได้ฝึกให้เขียนข้อความ หากต้องสกัดข้อมูล ให้หาค่าที่เป็นไปได้ด้วยนิพจน์ปรกติหรือโมเดลสร้างเนื้อหา แล้วใช้ Jev เลือกตัวที่ถูกผ่าน choice",
    "alias_of": null,
    "aliases": [],
    "author": "TypeSafe",
    "ctx": 64000,
    "formats": [
      "systemone"
    ],
    "guide": "/docs/api/systemone/",
    "id": "jev-latest",
    "input": [
      "text"
    ],
    "kind": "decision",
    "max_out": null,
    "methods": [
      {
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "cache_write_5m": null,
        "conditional_meter": null,
        "contract": {
          "data": {
            "all_results": "Retain every answer by its supplied question ID, probability and legend; confidenceformulausingnrequiresn>1withoutassertinganAPIminchoicesrule.",
            "errors": [
              {
                "code": null,
                "condition": "ฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง",
                "http_status": 400,
                "recovery": "แก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่",
                "type": "invalid_request_error"
              }
            ],
            "hints": [],
            "ignored_fields": [],
            "lifecycle": {
              "mode": "exact retained published method"
            },
            "material_combinations": [
              {
                "mode": "noul",
                "required": [
                  "state",
                  "questions.<id>.type=noul"
                ]
              },
              {
                "mode": "choice",
                "required": [
                  "state",
                  "questions.<id>.type=choice",
                  "criteria object"
                ]
              },
              {
                "mode": "score",
                "required": [
                  "state",
                  "questions.<id>.type=score",
                  "nonemptycriteriaarray"
                ]
              }
            ],
            "operation_modes": [
              "noul",
              "choice",
              "score"
            ],
            "outputs": {
              "all_results": "เก็บคำตอบทุกข้อผูกกับ ID คำถามที่ให้มา พร้อมความน่าจะเป็นและคำอธิบายสัญลักษณ์ สูตรความเชื่อมั่นที่ใช้ n กำหนดให้ n>1 โดยไม่ได้ยืนยันกฎจำนวนตัวเลือกขั้นต่ำของ API",
              "family": "structured",
              "fields": [
                {
                  "description": null,
                  "name": "answers.<id>.type",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "answers.<id>.noul",
                  "type": "number"
                },
                {
                  "description": null,
                  "name": "answers.<id>.choice",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "answers.<id>.score",
                  "type": "number"
                },
                {
                  "description": null,
                  "name": "answers.<id>.confidence",
                  "type": "number"
                },
                {
                  "description": null,
                  "name": "answers.<id>.probabilities",
                  "type": "object"
                },
                {
                  "description": null,
                  "name": "answers.<id>.legend",
                  "type": "object"
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": "object"
                }
              ],
              "format": "json"
            },
            "parameters": [
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "jev-latest"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "state",
                "required": true,
                "type": "string|object|array"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "min_properties": 1,
                "name": "questions",
                "required": true,
                "type": "object"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "noul",
                  "choice",
                  "score"
                ],
                "enum_known": true,
                "name": "questions.<id>.type",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "questions.<id>.instructions",
                "required": false,
                "type": "string|object|array|null"
              },
              {
                "availability": "source_interface",
                "conditions": "noul: คำอธิบาย true/false ซึ่งไม่จำเป็นและรับ null ได้; choice: ออบเจ็กต์เกณฑ์; score: อาร์เรย์เกณฑ์ที่ไม่ว่าง",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "questions.<id>.criteria",
                "required": false,
                "type": "object|array|null"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  false,
                  null
                ],
                "enum_known": true,
                "name": "stream",
                "required": false,
                "type": "boolean|null"
              }
            ],
            "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.",
            "unsupported": [
              "stream=true",
              "duplicateandcase-variedcanonicalkeys"
            ]
          },
          "hints": [
            "รูปแบบเมธอดและ ID ระบุอย่างแม่นยำ ความสามารถของผู้ให้บริการแยกจากการอนุญาตให้รับคำขอ"
          ],
          "input": {
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional_controls": null,
            "required": [
              "model",
              "state",
              "questions"
            ]
          },
          "lifecycle": {
            "mode": "exact retained published method"
          },
          "method": {
            "http": "POST",
            "path": "/v1/systemone"
          },
          "operation_modes": [
            "systemone"
          ],
          "output": {
            "family": [
              "structured"
            ],
            "format": "structured decisions JSON",
            "multioutputs": "retain every actual response output"
          }
        },
        "ctx": 64000,
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 customer message}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"jev-latest\", \"state\": \"\", \"questions\": {\"is_urgent\": {\"type\": \"noul\", \"instructions\": \"Does the supplied customer message express urgency?\"}}}')\nf=Path(os.environ[\"AILOOT_TEXT_FILE\"])\nif not f.is_file():raise SystemExit(\"Choose your actual UTF-8 source material\")\ntext=f.read_text(encoding=\"utf-8\")\nif not text.strip():raise SystemExit(\"Source material must contain text\")\np[\"state\"]=text\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"result.json\").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\n",
            "label": "Classify your actual customer message",
            "language": "bash"
          }
        ],
        "family": "systemone",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "systemone",
        "http": "POST",
        "img_in": null,
        "img_out": null,
        "in": 0.084,
        "input": [
          "text"
        ],
        "label": "System One",
        "max_out": 0,
        "max_tool_calls": null,
        "out": 0,
        "output": [
          "structured"
        ],
        "path": "/v1/systemone",
        "pricing_profiles": [
          {
            "dimensions": {},
            "label": "Core",
            "units": [
              {
                "amount": 0.084,
                "amount_unit": "usd_per_million_tokens",
                "key": "in",
                "label": "Input",
                "side": "in"
              },
              {
                "amount": 0,
                "amount_unit": "usd_per_million_tokens",
                "key": "out",
                "label": "Output",
                "side": "out"
              }
            ]
          }
        ],
        "request_model_id": "jev-latest",
        "route_label": "Core",
        "status_reads": [],
        "tiers": [],
        "tool_prices": null,
        "unit": "token",
        "units": []
      }
    ],
    "model_aliases": [
      {
        "canonical_model_id": "jev-latest",
        "request_model_id": "jev-latest",
        "route_label": "Core"
      }
    ],
    "name": "jev-latest",
    "price": {
      "in": 0.084,
      "in_label": null,
      "out": 0,
      "out_label": null,
      "sort_in": 0.084,
      "sort_out": 0,
      "varies": false
    },
    "short": "โมเดลตัดสินใจของ TypeSafe ไม่เขียนข้อความ แต่ตอบคำถามแบบกำหนดชนิดเกี่ยวกับข้อความหรือ JSON ได้แก่ เลือกตัวเลือก ให้คะแนนตามสเกล หรือใช่/ไม่ใช่พร้อมความน่าจะเป็น เหมาะกับการจัดเส้นทาง คัดแยกคำขอ กลั่นกรอง และให้คะแนน ประเมินทุกคำถามในคำขอเดียวพร้อมกัน"
  },
  "renderer_schema": {
    "method_order": "Original DTO methods order; every exact route/format/path/caller survives.",
    "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers."
  },
  "representation": "exact-public-dto-and-native-renderer-html",
  "representationNotes": {
    "current_reference": {
      "about_json_pointer": "/aboutHtml",
      "methods": [
        {
          "contract_json_pointer": "/methods/0/rawMethod/contract",
          "html_json_pointer": "/methods/0/html",
          "method_ordinal": 0
        }
      ],
      "role": "current-semantic-reference"
    },
    "raw_input": {
      "examples_role": "historical-input-not-current-ready-examples",
      "json_pointers": [
        "/rawModel",
        "/methods/0/rawMethod"
      ],
      "role": "historical-owner-input"
    },
    "schema": "ailoot-native-model-representations-v1"
  },
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "โมเดลตัดสินใจของ TypeSafe ไม่เขียนข้อความ แต่ตอบคำถามแบบกำหนดชนิดเกี่ยวกับข้อความหรือ JSON ได้แก่ เลือกตัวเลือก ให้คะแนนตามสเกล หรือใช่/ไม่ใช่พร้อมความน่าจะเป็น เหมาะกับการจัดเส้นทาง คัดแยกคำขอ กลั่นกรอง และให้คะแนน ประเมินทุกคำถามในคำขอเดียวพร้อมกัน",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "142fb5da32f2f453753dff92b08e7a812a745dc2e88fdf95cbf9305d43653516",
    "renderer_sha256": "890edb706fafafdd4f598bb324acf65fada58918b0911b97eb80e68be2ef65d9"
  },
  "sourceRevision": "1e20731e2a934ce8dd8ea9bb981022b84ad9d596b4b39c071d3d61b102eca15a"
}