Source: https://ailoot.ai/models/th/jev-latest/
Canonical: https://ailoot.ai/models/th/jev-latest/
Language: th

# jev-latest

[Markdown](https://ailoot.ai/models/th/jev-latest/index.md) · [JSON](https://ailoot.ai/models/th/jev-latest/facts.json)

## [jev-latest](https://ailoot.ai/models/th/jev-latest/)

โมเดลตัดสินใจของ TypeSafe ไม่เขียนข้อความ แต่ตอบคำถามแบบกำหนดชนิดเกี่ยวกับข้อความหรือ JSON ได้แก่ เลือกตัวเลือก ให้คะแนนตามสเกล หรือใช่/ไม่ใช่พร้อมความน่าจะเป็น เหมาะกับการจัดเส้นทาง คัดแยกคำขอ กลั่นกรอง และให้คะแนน ประเมินทุกคำถามในคำขอเดียวพร้อมกัน

- [**Ailoot · System One** `POST /v1/systemone` `jev-latest`](https://ailoot.ai/models/th/jev-latest/#method-0)

เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

Jev เป็นโมเดลเรือธงของ TypeSafe และโมเดลแรกในกลุ่มใหม่ **System One** ไม่เขียนข้อความ แต่ตัดสินใจอย่างรวดเร็วให้โปรแกรมใช้ได้ทันที โดยส่ง **สถานะ** (`state`) เป็นข้อความหรือ JSON พร้อมชุด **คำถาม** แล้วรับค่าตามชนิดที่กำหนดพร้อมความน่าจะเป็นที่ปรับเทียบแล้ว

โมเดลภาษาเขียนคำให้มนุษย์อ่าน ส่วน Jev ตามคำอธิบายของ TypeSafe ใกล้กับโค้ดมากกว่า คำตอบอยู่ในรูปที่โค้ดต้องการทันที รวดเร็วสูง และไม่มีค่าใดอยู่นอกตัวเลือกที่กำหนด โมเดลออกแบบให้ตอบสม่ำเสมอเมื่อถามซ้ำ

#### System One ต่างจากโมเดลภาษาอย่างไร

- **ไม่สร้างเนื้อหา** Jev ไม่เขียนคำตอบให้ผู้ใช้ ไม่เขียนโค้ด และไม่อธิบายลำดับเหตุผล คุณเป็นผู้กำหนดคำตอบที่เป็นไปได้ผ่านคำถามหนึ่งในสามประเภท
- **ฝึกเพื่อตัดสินใจแบบปรับเทียบ** TypeSafe ฝึกด้วย RLCD (Reinforcement Learning for Calibrated Decisions) โดยปรับความน่าจะเป็นให้ตรงกับผลจริงและสะท้อนความไม่แน่นอน ในคำตอบจำนวนมากที่ให้ความน่าจะเป็น 0,8 ควรถูกประมาณ 80% การปรับเทียบเป็นคุณสมบัติของตัวอย่างจำนวนมาก ไม่ใช่การรับประกันว่าคำตอบเดี่ยวถูกต้อง
- **เป้าหมายการฝึกต่างกัน** โมเดลแชตฝึกให้มนุษย์พอใจ (RLHF) ซึ่งตามข้อสังเกตของ TypeSafe ส่งเสริมการเอาใจและข้อผิดพลาดที่ฟังมั่นใจ หนึ่งในผู้ร่วมพัฒนา RLHF คือดีโอโก อัลเมดา ผู้ร่วมก่อตั้ง TypeSafe

ชื่ออ้างถึง “ระบบ 1” จากหนังสือของแดเนียล คาห์เนมาน “คิดช้า…ตัดสินใจเร็ว” ได้แก่ การตัดสินแบบสัญชาตญาณที่เร็ว เทียบกับการคิดช้าอย่างไตร่ตรองของ “ระบบ 2” Jev สร้างสำหรับการตัดสินเฉพาะเรื่องอย่างรวดเร็ว

#### คำถามสามประเภท

หนึ่งคำถามคือหนึ่งการตัดสินเกี่ยวกับสถานะ คำตอบเป็นค่าที่โค้ดนำไปเทียบเกณฑ์ เรียงลำดับ หรือส่งต่อ

1. **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”
2. **Score — ให้คะแนนตามสเกล** ตำแหน่งบนสเกลเรียงลำดับที่คุณอธิบาย เช่น ความรุนแรงบั๊ก ความไม่พอใจลูกค้า หรือระดับทักษะ มี 2 ถึง 10 ระดับจากต่ำไปสูง โมเดลประเมินแต่ละระดับแยกกันโดยไม่เห็นหมายเลขและระดับข้างเคียง คำตอบมี `score` ซึ่งเป็นผลรวมหมายเลขระดับคูณความน่าจะเป็นของระดับนั้น จึงอาจอยู่ระหว่างระดับได้ พร้อม `legend` ที่อธิบายระดับ `probabilities` และ `confidence`
3. **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

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 `if`

ผสมประเภทในคำขอเดียวได้ คำตอบจำกัดอยู่ในตัวเลือกของคุณเสมอและไม่ขึ้นกับคำถามอื่น เพิ่มหรือลดคำถามได้โดยไม่เปลี่ยนคำตอบที่เหลือ

#### สถานะ

สถานะคือสิ่งที่โมเดลประเมิน เช่น ข้อความลูกค้า ส่วนเอกสาร รายการฐานข้อมูล หรือสถานะแอปพลิเคชัน

- **สตริง** เมื่อมีข้อความเดียว เช่น ข้อความ บทความ หรือข้อความคัดมา
- **ออบเจ็กต์** สำหรับฟิลด์ที่มีชื่อ รายการที่เกี่ยวข้อง หรือสถานะแอป TypeSafe แนะนำออบเจ็กต์สำหรับคำขอส่วนใหญ่ เพราะแต่ละส่วนมีชื่อเข้าใจได้
- **อาร์เรย์** สำหรับลำดับข้อความหรือรายการ

เตรียมเหมือนข้อมูลให้ผู้เชี่ยวชาญ หากต้องเปรียบเทียบเพื่อเลือก ให้ใส่บทสนทนา คำสั่งซื้อ และกฎคืนสินค้าร่วมกัน เก็บเนื้อหาในสถานะและการตัดสินในคำถาม หากคำถามเกี่ยวกับส่วนเดียวของสถานะ ให้ระบุเส้นทางในเครื่องหมายแบ็กทิก เช่น `ticket.messages[0].text`

#### วิธีตั้งคำถาม

- **หนึ่งการตัดสินเร็วต่อหนึ่งคำถาม** คำถามที่ดีคือคนที่รู้เรื่องและมีบริบทที่ต้องการตอบได้ในหนึ่งวินาที เช่น “ข้อความมีความเร่งด่วนหรือไม่” ส่วน “วิเคราะห์ข้อความแล้วตัดสินว่าต้องทำอะไร” เป็นการคิดช้า ควรแบ่งเป็นคำถามง่าย
- **คำถามทั้งหมดอยู่ใน `instructions`** คีย์คำถาม เช่น `refund_requested` มีไว้ให้โค้ดของคุณเท่านั้น ไม่ส่งให้โมเดล
- **ทุกคำถามต่อสถานะเดียวในคำขอเดียว** โมเดลประเมินพร้อมกัน ตามข้อมูล TypeSafe คำถามเพิ่มแทบไม่เพิ่มเวลาตอบ และคิดเพียงโทเคนของตัวเอง คำถามเผื่อไว้จึงมีต้นทุนเพิ่มน้อยมาก โค้ดเลือกเองว่าจะใช้คำตอบใด
- **แยกการตัดสินซับซ้อนเป็นส่วน** แทน “ประเมินข้อเสนอสตาร์ตอัป” ให้ถามขนาดตลาด ความเป็นไปได้ทางเทคนิค และความต่างจากคู่แข่งแยก แล้วคำนวณผลในโค้ดด้วยน้ำหนัก เมื่อความสำคัญเปลี่ยน ให้เปลี่ยนน้ำหนัก ไม่ต้องเขียนคำถามใหม่
- **คำถามที่พึ่งกันใช้คำขอถัดไป** คำตอบในคำขอเดียวไม่ได้เป็นบริบทให้กัน ต้องใช้คำขอที่สองเฉพาะเมื่อจัดคำขอไม่ได้โดยไม่มีคำตอบแรก เช่น ต้องโหลดข้อมูลหรือเลือกตัวเลือกของคำถามถัดไป
- **คำถามยาวใช้เป็นออบเจ็กต์** `instructions` และ `criteria` ปกติเป็นสตริง แต่เป็นออบเจ็กต์หรืออาร์เรย์ได้ ใส่คำถามในฟิลด์หนึ่งและข้อมูลในฟิลด์อื่น สะดวกต่อการเทียบประวัติผู้สมัครกับรายการฐานข้อมูลในคำถามเดียว

#### ความมั่นใจ

สำหรับ choice และ score ค่า `confidence` ตั้งแต่ 0 ถึง 1 แสดงว่าความน่าจะเป็นกระจุกในคำตอบเดียวเพียงใด 1 คือทั้งหมดอยู่ที่ตัวเลือกเดียว 0 คือกระจายเท่ากันทุกตัวเลือก สำหรับ score ระดับข้างเคียงลดความมั่นใจน้อยกว่าระดับที่ห่าง สำหรับ noul ความมั่นใจคือตัวค่านั้นเอง ยิ่งห่างจาก 0,5 ยิ่งแน่ใจ

TypeSafe แนะนำสามช่วง

1. **ความมั่นใจสูง** — ดำเนินการอัตโนมัติ
2. **ปานกลาง** — ดำเนินการระมัดระวัง เช่น ขอผู้ใช้ยืนยัน
3. **ต่ำ** — ส่งให้คนตรวจ ปรับคำขอให้ชัด หรือใช้เส้นทางสำรอง เช่น โมเดลใช้เหตุผลที่เก่งกว่า

ยิ่งข้อผิดพลาดมีต้นทุนสูง เกณฑ์ยิ่งควรเข้มงวด การกระทำที่ย้อนกลับไม่ได้ใช้เกณฑ์สูงกว่าการอ่าน คำตอบบอกว่าควรเลือกอะไร ความมั่นใจบอกว่าควรดำเนินการหรือไม่ เลือกเกณฑ์จากข้อมูลตนเองโดยเทียบความมั่นใจกับความแม่นยำ

#### การสร้างระบบรอบ Jev

Jev ออกแบบสำหรับโปรแกรมที่โค้ดควบคุมกระบวนการและโมเดลตอบคำถามความหมายเฉพาะเรื่อง แทนเอเจนต์ที่เลือกขั้นตอนเองและอาจหลุดทิศทุกวงรอบ TypeSafe เสนอการออกแบบแปดขั้นตอน

1. สิ่งใดทำด้วยโค้ดได้ ให้ทำด้วยโค้ดเพื่อความเชื่อถือได้และต้นทุนต่ำ
2. ใส่เฉพาะสิ่งที่คำถามปัจจุบันต้องการในสถานะ ข้อเท็จจริงใหม่ใช้จากฐานความรู้ของตน ไม่ใช่ความจำโมเดล
3. ใช้โครงสร้างในสถานะ คือ JSON ซ้อนกัน และเส้นทางฟิลด์ในแบ็กทิกในคำถาม หากช่วยลดความกำกวม
4. ถามให้เฉพาะและแคบที่สุด ตาม TypeSafe อาจเป็นกฎสำคัญที่สุด เพราะคำถามกว้างซ่อนหลายการตัดสินในคำตอบเดียว
5. ใช้โครงสร้างในคำถาม ตัวคำถามสั้น ส่วนคำอธิบาย ตัวอย่าง และค่าจากฐานข้อมูลใส่ฟิลด์ข้างเคียงของออบเจ็กต์ `instructions` หรือ `criteria` แทนสตริงยาวเส้นเดียว
6. รวมหลายคำถามอิสระต่อสถานะเดียวในคำขอเดียว เพื่อประโยชน์มากขึ้นต่อเงินที่ใช้
7. โค้ดรวมคำตอบด้วยกฎ ผลรวมน้ำหนัก หรือใช้เป็นฟีเจอร์ของโมเดลแมชชีนเลิร์นนิงแบบดั้งเดิม
8. แตกแขนงตามความมั่นใจ กรณีไม่แน่ใจส่งให้คนหรือโมเดลใช้เหตุผล

Jev ไม่ใช่แชตหรือโมเดลเติมโค้ด จึงนำไปแทนโมเดลภาษาในเอเจนต์เขียนโปรแกรมไม่ได้ แต่เอเจนต์เขียนโค้ดให้คุณเรียก Jev เมื่อต้องการคำตอบเร็วที่ปรับเทียบแล้วได้

#### การใช้งาน

- **งานอัตโนมัติเบื้องหลัง** — การตัดสินใจที่เรียกเป็นล้านครั้งโดยไม่มีคนเฝ้า
- **เรียลไทม์** — ตามข้อมูล TypeSafe คำขอส่วนใหญ่ใช้ประมาณ 100 ms เพียงพอสำหรับประมวลผลทันทีและส่วนติดต่อ
- **ข้อมูลขนาดใหญ่** — ค้นหาชุดข้อมูลมหาศาล จัดป้ายบันทึกงานเอเจนต์ และฟีเจอร์สำหรับคาดการณ์
- **ตรวจโมเดลอื่น** — คำขอ การสกัดข้อมูล เหตุผล และการเรียกเครื่องมือ ทั้งการเลี่ยงข้อจำกัด อ้างอิงผิด และข้อมูลแต่งขึ้น
- **ค้นหาและจัดอันดับ** — ความเกี่ยวข้องของคู่ “คำค้น — ตัวเลือก” จัดอันดับใหม่ และเลือกบริบท
- **แยกเส้นทางตามเจตนา** — ผู้ใช้ต้องการอะไรและควรใช้ตัวจัดการใด เช่น ตรรกะง่าย โมเดลเฉพาะ หรือคน หัวข้อ ความซับซ้อน และความเสี่ยงกำหนดว่าจะส่งคำขอให้โมเดลภาษาใด
- **การตรวจป้องกัน** — อินพุต เอาต์พุต และการเรียกเครื่องมือของโมเดลภาษา ทั้งคำสั่งแทรก การละเมิดกฎ และการรั่วข้อมูลส่วนบุคคล
- **งานสนับสนุน** — หัวข้อและเจตนาคำขอ ความเร่งด่วน ความไม่พอใจ ความเสี่ยงเลิกใช้ คำขอคืนเงิน และคิว
- **การกลั่นกรอง** — ตามกฎแพลตฟอร์มของคุณ เช่น ความเป็นพิษ การคุกคาม สแปม ฉ้อโกง คำแนะนำอันตราย และข้อมูลส่วนบุคคล ใช้ความรุนแรงกับความมั่นใจเลือกให้ผ่าน เตือน ตรวจ หรือบล็อก
- **สาขางาน** — เคลมประกัน การสืบสวนทางการเงินและ KYC สัญญาและโฆษณา หน้าสินค้า คัดบุคลากร ลีด เกม ความเสี่ยง คาดการณ์อุปสงค์ กราฟความรู้ ทบทวนวิทยาศาสตร์ และตรวจความหมายโค้ดใน CI

#### คุณสมบัติ

- **`jev-latest`** — นามแฝงของรุ่นเสถียรล่าสุด ปัจจุบันคือ Jev 1.13 เวอร์ชันที่ตอบอยู่ในฟิลด์ `model` เช่น `jev-1.13.0` เมื่อมีรุ่นใหม่ นามแฝงจะเปลี่ยนตาม และคำตอบอาจเปลี่ยนโดยคุณไม่ได้แก้ไข จึงควรติดตามฟิลด์นี้หากเกณฑ์เลือกไว้ตามเวอร์ชัน
- **บริบท** — 64K โทเคนต่อคำขอ รวมสถานะกับทุกคำถาม สถานะรวมกับคำถามยาวที่สุดได้ถึง 32K โมเดลอ่านสถานะครั้งเดียวแล้วตรวจทุกคำถามกับสถานะนั้นพร้อมกัน
- **อินพุต** — เฉพาะข้อความ ได้แก่ สตริง ออบเจ็กต์ JSON หรืออาร์เรย์ข้อความ ยังไม่รองรับภาพ เสียง และวิดีโอ ต้องแปลงเป็นข้อความก่อน
- **ภาษา** — ภาษาหลักในการฝึกคืออังกฤษ ซึ่งมีความแม่นยำสูงสุดปัจจุบัน โมเดลรับภาษาอื่น รวมจีน ญี่ปุ่น และเกาหลี แต่แม่นยำน้อยกว่า ควรตรวจด้วยข้อมูลตนเอง
- **ราคาและการคิดค่าบริการใน Ailoot API** — เงื่อนไขขึ้นอยู่กับเมธอดที่เลือก และระบุไว้ในการ์ดของเมธอดนั้น
- **การปรับแต่ง** — Jev ไม่ฝึกปรับแต่งด้วยข้อมูลลูกค้า ใส่ข้อมูลของคุณใน `state` และกฎเฉพาะสาขาใน `instructions` กับ `criteria`
- **ข้อมูล** — TypeSafe แจ้งว่าไม่ฝึก Jev ด้วยคำขอและคำตอบของลูกค้า

#### จุดอ่อนที่ทราบของ Jev 1.13

TypeSafe ระบุจุดอ่อนของเวอร์ชันปัจจุบันอย่างเปิดเผย และแจ้งว่าจะปรับปรุงหลายเรื่องในรุ่นถัดไป โมเดลเร็ว ปรับเทียบแล้ว และตัดสินด้วยสามัญสำนึกได้ดี แต่มีข้อจำกัดดังนี้

1. **อ่านตามตัวอักษร** ตอบคำถามที่เขียน ไม่ใช่สิ่งที่นัยไว้ เข้าใจเงื่อนไข คำปฏิเสธ และข้อกำหนดแฝงแบบตรงตัว เขียนเงื่อนไขกับกรณีขอบเขตอย่างแม่นยำใน `criteria` หากจำเป็นต้องตีความ ให้แบ่งเป็นสองคำถามตรงตัว
2. **ไม่ใช่เครื่องคิดเลข** การนับอักขระ การซ้ำ และรายการไม่เชื่อถือได้ ความผิดพลาดเพิ่มตามขนาด ควรนับด้วยโค้ดและถามแยกต่อตัวเลือกแต่ละรายการ โมเดลเข้าใจสีใน hex หรือ RGB น้อยกว่าชื่อสี `score` เหมาะกับเกณฑ์ ไม่ใช่ตัวเลขแม่นยำระหว่างระดับ
3. **วันที่และเวลา** การเทียบว่าวันใดก่อน ระยะห่าง หรืออยู่ในช่วงหรือไม่ ไม่เชื่อถือได้ โดยเฉพาะเมื่อผสมรูปแบบและวันที่สัมพัทธ์ ให้สกัดส่วนวันที่ด้วย choice พร้อมตัวเลือก “ไม่ระบุ” แล้วเปรียบเทียบในโค้ด
4. **ความอ้อมค้อม** คำปฏิเสธซ้อนและคำถามเกี่ยวกับคุณสมบัติของคุณสมบัติลดความแม่นยำ เขียนตรงและเรียกชื่อส่วนของสถานะ
5. **ข้อมูลเกินในสถานะ** ข้อความไม่เกี่ยวข้องลดความแม่นยำ กรองด้วยโค้ด หากทำไม่ได้ ให้คัดส่วนไม่เกี่ยวข้องด้วยคำถาม noul
6. **ข้อความมุ่งโจมตี** ค่าเริ่มต้นโมเดลไม่ได้คาดว่าจะมีลูกเล่นในสถานะ คำสั่งแทรกหรือข้อความที่โต้แย้งการจัดประเภทตนเองอาจเปลี่ยนคำตอบ เขียนเกณฑ์แม่นยำและตรวจกรณีขอบเขตก่อนใช้งาน
7. **ความขัดแย้ง** หาก `instructions` กับ `criteria` ขอคนละอย่าง เช่น อธิบาย “ใช่” ของ noul เป็น “ไม่ใช่” ความแม่นยำลดลง เกณฑ์เป็นส่วนต่อของคำถาม
8. **ลำดับตัวเลือก** บางครั้งโมเดลเอนเอียงไปที่ choice แรก ลองสลับตัวเลือกและตรวจว่าคำตอบไม่เปลี่ยน
9. **การสร้างเนื้อหา** Jev ไม่ได้ฝึกให้เขียนข้อความ หากต้องสกัดข้อมูล ให้หาค่าที่เป็นไปได้ด้วยนิพจน์ปรกติหรือโมเดลสร้างเนื้อหา แล้วใช้ Jev เลือกตัวที่ถูกผ่าน choice

**Ailoot · System One** `POST /v1/systemone` `jev-latest`

[`jev-latest`](https://ailoot.ai/models/th/#m=jev-latest&route=Core&caller=jev-latest&fmt=systemone)

TypeSafe /`jev-latest`

### เริ่มต้น

โมเดลตัดสินใจของ TypeSafe ไม่เขียนข้อความ แต่ตอบคำถามแบบกำหนดชนิดเกี่ยวกับข้อความหรือ JSON ได้แก่ เลือกตัวเลือก ให้คะแนนตามสเกล หรือใช่/ไม่ใช่พร้อมความน่าจะเป็น เหมาะกับการจัดเส้นทาง คัดแยกคำขอ กลั่นกรอง และให้คะแนน ประเมินทุกคำถามในคำขอเดียวพร้อมกัน

อินพุตที่รองรับ

ข้อความ

ผลลัพธ์

structured

### ใช้งานได้ใน Ailoot · อินพุตและเมธอด

**Ailoot · System One** `POST /v1/systemone`

ขาเข้า

`text`

ขาออก

`structured`

บริบท

64,000 tokens

รูปแบบเอาต์พุต

json

| ฟิลด์ | ประเภท | ข้อกำหนด | ค่าและข้อจำกัด | ค่าเริ่มต้น |
| --- | --- | --- | --- | --- |
| ฟิลด์`model` | ประเภท`string` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด jev-latest | ค่าเริ่มต้น— |
| ฟิลด์`state` | ประเภท`string\|object\|array` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด | ค่าเริ่มต้น— |
| ฟิลด์`questions` | ประเภท`object` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด จำนวนฟิลด์ขั้นต่ำในออบเจ็กต์: 1 | ค่าเริ่มต้น— |
| ฟิลด์`questions.<id>.type` | ประเภท`string` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด noul, choice, score | ค่าเริ่มต้น— |
| ฟิลด์`questions.<id>.instructions` | ประเภท`string\|object\|array\|null` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด | ค่าเริ่มต้น— |
| ฟิลด์`questions.<id>.criteria` | ประเภท`object\|array\|null` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด เงื่อนไข: noul: คำอธิบาย true/false ซึ่งไม่จำเป็นและรับ null ได้; choice: ออบเจ็กต์เกณฑ์; score: อาร์เรย์เกณฑ์ที่ไม่ว่าง | ค่าเริ่มต้น— |
| ฟิลด์`stream` | ประเภท`boolean\|null` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด false, null | ค่าเริ่มต้น— |

ชุดผสมของสื่ออินพุต

**noul** · จำเป็น: state, questions.\<id\>.type=noul

**choice** · จำเป็น: state, questions.\<id\>.type=choice, criteria object

**score** · จำเป็น: state, questions.\<id\>.type=score, nonemptycriteriaarray

พารามิเตอร์และวงจรการทำงานของเมธอด

| พารามิเตอร์ | ข้อกำหนด |
| --- | --- |
| พารามิเตอร์`material_types` | ข้อกำหนดtext |
| พารามิเตอร์`required` | ข้อกำหนดmodel, state, questions |
| พารามิเตอร์`optional_controls` | ข้อกำหนดnull |
| พารามิเตอร์`content_type` | ข้อกำหนดapplication/json |

วงจรการทำงาน: `exact retained published method`

รูปแบบเมธอดและ ID ระบุอย่างแม่นยำ ความสามารถของผู้ให้บริการแยกจากการอนุญาตให้รับคำขอ

### ราคา

#### อัตราค่าบริการเมธอด Ailoot

ขาเข้า

≈US$0.000084 */ 1K*

ขาออก

US$0.00 */ 1K*

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย [วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →](https://ailoot.ai/docs/th/billing/reserve/)

### ตัวอย่างคำขอ

#### Ailoot · System One

ตัวอย่างการจัดประเภท

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 customer message}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "jev-latest", "state": "", "questions": {"is_urgent": {"type": "noul", "instructions": "Does the supplied customer message express urgency?"}}}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["state"]=text
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))
PY_RESULT
```

### รับและบันทึกผลลัพธ์

#### Ailoot · System One

json

##### เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

เก็บคำตอบทุกข้อผูกกับ ID คำถามที่ให้มา พร้อมความน่าจะเป็นและคำอธิบายสัญลักษณ์ สูตรความเชื่อมั่นที่ใช้ n กำหนดให้ n\>1 โดยไม่ได้ยืนยันกฎจำนวนตัวเลือกขั้นต่ำของ API

ฟิลด์การตอบกลับ

| ฟิลด์ | ประเภท |
| --- | --- |
| ฟิลด์`answers.<id>.type` | ประเภทstring |
| ฟิลด์`answers.<id>.noul` | ประเภทnumber |
| ฟิลด์`answers.<id>.choice` | ประเภทstring |
| ฟิลด์`answers.<id>.score` | ประเภทnumber |
| ฟิลด์`answers.<id>.confidence` | ประเภทnumber |
| ฟิลด์`answers.<id>.probabilities` | ประเภทobject |
| ฟิลด์`answers.<id>.legend` | ประเภทobject |
| ฟิลด์`usage` | ประเภทobject |

ข้อผิดพลาดและขั้นตอนถัดไป

| การตอบกลับ | เงื่อนไข | ขั้นตอนถัดไป |
| --- | --- | --- |
| การตอบกลับ400 · `invalid_request_error` | เงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง | ขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่ |

### ชื่ออื่น

#### ชื่ออื่นของโมเดล

**Ailoot** [`jev-latest`](https://ailoot.ai/models/th/#m=jev-latest&route=Core&caller=jev-latest&fmt=systemone)

#### ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

#### ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

[`jev-latest`](https://ailoot.ai/models/th/#m=jev-latest&route=Core&caller=jev-latest&fmt=systemone)

FAQ · jev-latest

มีอินพุตและผลลัพธ์ใดบ้าง?

`POST /v1/systemone` · `jev-latest`: `text` → `structured`

คำขอใช้ฟิลด์ใดบ้าง?

`POST /v1/systemone` · `jev-latest`: `model`, `state`, `questions`, `stream`

มีข้อจำกัดใดบ้าง?

`POST /v1/systemone` · `jev-latest`: `ctx`: `64000`

เชื่อม Ailoot กับ Claude Code, OpenCode, Hermes หรือแอปของคุณ

## บริษัทและพอร์ตโฟลิโอโครงการของบริษัท

บริษัทและพอร์ตโฟลิโอโครงการของบริษัท: ลูกค้าหลายล้านราย; ยอดขายระดับหลายพันล้านต่อเดือน.

## ซื้อโทเคนพร้อมส่วนลด

ส่วนลดสมาชิกสำหรับงานประจำ โค้ดโปรโมชั่นลดซื้อโทเคนสูงสุด 50%

สมาชิก

เลือกแพ็กเกจมีส่วนลดสำหรับคำขอประจำ

โค้ดลดสูงสุด 50%

ใส่โค้ดขณะซื้อ ราคาคำนวณใหม่ตามโปรโมชั่นที่ใช้

รายจ่ายในประวัติ

เก็บโมเดล โทเคน และยอดสำหรับทุกคำขอ

[เลือกสมาชิก](https://ailoot.ai/docs/th/billing/subscriptions/) · [ดูราคาโมเดล](https://ailoot.ai/models/th/)

## เชื่อม API กับผลิตภัณฑ์ ที่คุณขาย

SaaS แอป และบอต ตามข้อเสนอและสัญญาอนุญาต Ailoot หากขายต่อให้ขอใบอนุญาตรีเซลเลอร์

แอปเชิงพาณิชย์

ใส่การสร้างข้อความ ภาพ วิดีโอ และเสียงในฟีเจอร์เสียเงินของบริการคุณ

ใบอนุญาตรีเซลเลอร์

ส่งคำอธิบายโครงการและรูปแบบการเข้าถึง ขอเงื่อนไขใช้และขายต่อเป็นลายลักษณ์อักษร

เอกสารบนเว็บไซต์

อ่านข้อเสนอ สัญญาอนุญาต และนโยบายประมวลผลข้อมูลก่อนเชื่อมได้

[ขอใบอนุญาตขายต่อ](mailto:support@ailoot.ai) · [ข้อเสนอและสัญญาอนุญาต](https://ailoot.ai/legal/offer?lang=th)

## Ailoot · บริษัทและพอร์ตโฟลิโอโครงการของบริษัท





Ailoot อาศัยประสบการณ์การดำเนินงานที่สั่งสม ฐานลูกค้าขนาดใหญ่ บริการที่เสถียร และการติดตาม KPI อย่างต่อเนื่อง





บริษัทและพอร์ตโฟลิโอโครงการของบริษัท: ลูกค้าหลายล้านราย; ยอดขายระดับหลายพันล้านต่อเดือน.





Ailoot นำประสบการณ์การดำเนินงานนี้มาใช้เพื่อให้เข้าถึงฟังก์ชัน AI ผ่าน API ในผลิตภัณฑ์ของลูกค้า เอเจนต์ แอปพลิเคชัน และระบบอัตโนมัติ