Source: https://ailoot.ai/models/zh-hant-tw/jev-latest/
Canonical: https://ailoot.ai/models/zh-hant-tw/jev-latest/
Language: zh-hant-tw

# jev-latest

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

## [jev-latest](https://ailoot.ai/models/zh-hant-tw/jev-latest/)

TypeSafe 的決策模型不撰寫文字，而是回答關於文字或 JSON 的特定型別問題，例如選項選擇、尺度評分，或附帶機率的「是／否」。適合請求路由、客服案件分類、內容審核與評分；同一請求中的所有問題會平行評估。

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

關於模型

此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。

Jev 是 TypeSafe 的旗艦模型，也是新類別 **System One** 的首個模型。它不撰寫文字，而是快速做出程式可直接使用的決策：傳入**狀態**（`state`），即文字或 JSON，以及一組**問題**，便會取得具有校準機率的特定型別的值。

語言模型為人類撰寫文字；依 TypeSafe 的說法，Jev 更接近程式碼：回答直接採用程式需要的形式、速度快，而且不會產生指定選項以外的值。模型的設計目標，是在重複請求時提供穩定回答。

#### System One 與語言模型有何不同

- **不生成內容。** Jev 不替使用者撰寫回答，不寫程式碼，也不解釋推理過程。可能的回答由您透過三種問題型別中的一種指定。
- **以校準決策為訓練目標。** TypeSafe 使用 RLCD（Reinforcement Learning for Calibrated Decisions，校準決策強化學習）訓練模型，讓機率貼近實際結果並反映不確定性。在大量機率為 0.8 的回答中，理應約有 80% 正確。校準是大樣本的特性，不保證個別回答正確。
- **訓練目標不同。** 聊天模型透過 RLHF 學習讓人滿意；依 TypeSafe 的觀察，這會鼓勵迎合，以及聽起來自信的錯誤回答。RLHF 的共同作者之一 Diogo Almeida，是 TypeSafe 的共同創辦人。

名稱源自 Daniel Kahneman《快思慢想》中的「系統 1」：快速的直覺判斷，對應「系統 2」緩慢且經過思考的推理。Jev 用於快速、範圍明確的判斷。

#### 三種問題型別

每個問題對狀態做出一項判斷；回答是可由程式與門檻比較、排序或傳往下一步的值。

1. **Choice：選擇選項。** 例如客服案件的承辦部門、商品類別，或程式碼片段的語言。選項以「選項 → 說明」的字典提供，最多 255 個。回答包含所選的 `choice`、所有選項的 `probabilities`（總和為 1），以及信心值 `confidence`。若清單可能未涵蓋所有情況，請加入「其他」或「以上皆非」。
2. **Score：依尺度評分。** 在您描述的有序尺度上選擇位置，例如錯誤嚴重性、客戶不滿程度或技能水準。可有 2 至 10 個等級，由低至高排列；模型分別評估每個等級，不會看到其編號或相鄰等級。回答包含 `score`（各等級編號乘以其機率後加總，因此可能介於兩個等級之間）、說明各等級的 `legend`、`probabilities` 及 `confidence`。
3. **Noul：是或否。** 判斷一項陳述是否成立。回答 `noul` 是「是」的機率，介於 0 至 1：接近 1 表示有把握的「是」，接近 0 表示有把握的「否」，接近 0.5 表示模型猶豫。沒有獨立的 `confidence`；單一數值即可完整描述回答。非必填的 `criteria` 可進一步說明哪些情況算「是」、哪些算「否」。

選擇方式：已知且無順序的選項使用 choice；連續程度中的等級使用 score；單純判斷「是／否」，且重視機率本身時使用 noul。Noul 為 0.5 代表「是」與「否」的機率相同，不是「中等程度」；程度應以 score 衡量。若有兩種型別都適用，請選擇程式能直接據此行動的型別：choice 用於分支，score 用於門檻，noul 用於 `if`。

可在同一請求中混用不同型別。回答始終限制在您指定的選項中，且不受其他問題影響；增加或移除問題，不會改變其餘回答。

#### 狀態

狀態是模型要評估的內容，例如客戶訊息、文件片段、資料庫紀錄，或應用程式的狀態。

- **字串**：適用於單一文字內容，例如訊息、文章或摘錄。
- **物件**：適用於具名欄位、關聯紀錄及應用程式狀態。TypeSafe 建議大多數請求使用物件，讓每一部分都有明確名稱。
- **陣列**：適用於訊息或紀錄的序列。

如同準備給專家的資料：若決策需要比較對話、訂單及退貨規則，就將它們放在一起。內容放在狀態中，判斷放在問題中。若問題只涉及狀態的一部分，請以反引號標示其路徑，例如 `ticket.messages[0].text`。

#### 如何提出問題

- **每個問題只做一項快速判斷。** 好問題是熟悉情況的人能在一秒內回答的問題，例如「這則訊息是否有急迫性？」。「分析訊息並決定該怎麼做」已是較慢的推理，應拆成簡單問題。
- **完整問題放在 `instructions`。** 問題的鍵，例如 `refund_requested`，只供您的程式使用，不會傳給模型。
- **同一狀態的所有問題放在同一請求。** 模型平行評估；依 TypeSafe 說明，額外問題幾乎不增加回答時間，只計入自身的 token 成本。預先多問一題的成本幾乎可忽略，程式再自行決定需要哪些回答。
- **複雜判斷拆開處理。** 與其要求「評估新創公司的申請」，不如分別詢問市場規模、技術可行性及競爭差異，再於程式中加權計算結果。優先順序變動時，調整權重即可，不必改寫問題。
- **相依問題放在第二個請求。** 同一請求的回答不會成為彼此的上下文。只有無法在取得第一個回答前組成後續請求時，例如需要載入資料或選擇下一題的選項，才需要第二個請求。
- **長問題使用物件。** `instructions` 與 `criteria` 通常是字串，也可以是物件或陣列：一個欄位放問題，其他欄位放資料。這樣可用單一問題方便地比對履歷與資料庫紀錄。

#### 信心值

choice 與 score 的 `confidence` 介於 0 至 1，表示機率集中在單一回答的程度：1 代表全部集中於一個選項，0 代表平均分配給所有選項。對 score 而言，相鄰等級對信心值的降低，比距離較遠的等級小。noul 的信心直接反映在數值本身：離 0.5 越遠，回答越確定。

TypeSafe 建議分為三個範圍：

1. **高信心**：自動執行操作。
2. **中信心**：謹慎行動，例如請使用者確認。
3. **低信心**：交由人員處理、釐清請求，或使用備用路徑，例如較強的推理模型。

錯誤代價越高，門檻就應越嚴格；不可逆的操作應比讀取操作採用更高門檻。回答指出該選什麼，信心值則協助判斷是否應行動。請以自己的資料比較信心與正確率，設定門檻。

#### 如何圍繞 Jev 建立系統

Jev 的設計對象是由程式碼控制流程、模型回答狹窄語意問題的程式，而非自行選擇下一步、每次循環都可能偏離方向的代理。TypeSafe 提出八個設計步驟：

1. 凡是能用程式碼完成的事，就用程式碼完成，可靠且成本低。
2. 狀態只放目前問題需要的內容；新事實來自自己的知識庫，而非模型記憶。
3. 狀態保持結構：使用巢狀 JSON；若能減少歧義，在問題中以反引號標示所需欄位路徑。
4. 問題盡量狹窄、具體。依 TypeSafe 的說法，這或許是最重要的規則：寬泛的問題會將多項判斷藏在同一回答中。
5. 問題也保持結構：主問題簡短，說明、範例與資料庫中的值，放在 `instructions` 或 `criteria` 物件的其他欄位，而非塞進同一條長字串。
6. 同一狀態的多項獨立問題放在同一請求，提高每一美元的效益。
7. 由程式碼整合回答，可使用規則、加權總和，或作為傳統機器學習模型的特徵。
8. 依信心值分支：不確定的情況交給人員或推理模型。

Jev 不是聊天模型，也不是程式碼自動完成模型，不能直接取代程式開發代理中的語言模型。但代理可替您撰寫程式，在需要快速且經過校準的回答時呼叫 Jev。

#### 使用情境

- **背景自動化**：在無人值守的情況下，重複執行一百萬次的決策。
- **即時處理**：依 TypeSafe 說明，多數請求約在 100 毫秒完成，足以進行即時資料處理及介面互動。
- **大量資料**：搜尋龐大資料集、標記代理工作紀錄，以及建立預測特徵。
- **檢查其他模型**：檢查請求、擷取內容、推理與工具呼叫，辨識繞過限制、引用錯誤及捏造內容。
- **搜尋與排序**：判斷「查詢 — 候選項」配對的相關性、重新排序及篩選上下文。
- **依意圖分流**：判斷使用者需求與處理方式，例如簡單邏輯、專門模型或人員；主題、複雜度及風險決定應交給哪個語言模型。
- **防護檢查**：檢查語言模型的輸入、輸出與工具呼叫，包含注入指令、違反規則及個人資料外洩。
- **客服**：案件主題與意圖、急迫性、不滿程度、流失風險、退款要求及佇列安排。
- **內容審核**：依平台規則檢查有害言論、霸凌、垃圾訊息、詐騙、危險建議及個人資料；再依嚴重程度與信心值決定放行、警告、人工檢查或封鎖。
- **產業應用**：保險案件、金融調查與 KYC、合約及廣告、商品頁、人員招募、潛在客戶、遊戲、風險、需求預測、知識圖譜、科學文獻回顧，以及 CI 中的程式碼語意檢查。

#### 特性

- **`jev-latest`**：最新穩定版本的別名，目前為 Jev 1.13；實際回答版本會出現在 `model` 欄位，例如 `jev-1.13.0`。推出新版本後，別名會指向新版本，回答可能在您未修改程式的情況下改變。若門檻是依特定版本調整的，請留意此欄位。
- **上下文**：每項請求為 64K token，包含狀態及所有問題；狀態加上最長問題，最多為 32K。模型只讀取狀態一次，再平行評估所有問題。
- **輸入**：僅文字，可為字串、JSON 物件或文字陣列。尚不支援圖片、音訊與影片，應先轉成文字。
- **語言**：主要訓練語言為英文，目前以英文的正確率最高。也接受其他語言，包括中文、日文與韓文，但正確率較低，應以自己的資料驗證。
- **Ailoot API 的價格與計費** — 條件依所選方法而定，並列於該方法的卡片中。
- **設定**：Jev 不以客戶資料微調。自有資料放在 `state`，領域規則放在 `instructions` 與 `criteria`。
- **資料**：TypeSafe 表示，Jev 不會以客戶的請求與回答進行訓練。

#### Jev 1.13 的已知弱點

TypeSafe 公開列出目前版本的弱點，並表示未來版本會改善許多部分。模型速度快、機率經過校準，也擅長常識判斷，但仍有下列限制：

1. **按字面理解。** 回答寫出的問題，而非隱含的意思；保留條件、否定及隱含條件都按字面解讀。請在 `criteria` 寫出精確條件與邊界情況；無法避免的解讀，拆成兩個字面問題。
2. **不是計算機。** 字元、重複項與清單元素的計數不可靠，資料量越大，錯誤越容易增加。請在程式碼中計數，每個候選項各問一題。模型對 hex 或 RGB 色彩的理解，不如顏色名稱。`score` 適合門檻判斷，不適合取得等級間的精確數字。
3. **日期與時間。** 比較日期先後、計算間隔或判斷是否落在期間內，均不可靠，混合格式與相對日期尤其如此。可透過 choice 擷取日期各部分，加入「未註明」選項，再用程式碼比較。
4. **間接問法。** 雙重否定及詢問某種特性的特性，會降低正確率。請直接表達，並明確寫出狀態各部分的名稱。
5. **狀態中的多餘內容。** 無關文字會降低正確率。請用程式碼過濾；若無法過濾，可用 noul 問題排除不相關內容。
6. **惡意文字。** 模型預設不會預期狀態中有陷阱；注入指令，或試圖爭辯自身分類的文字，可能改變回答。請指定精確條件，並在上線前檢查邊界情況。
7. **相互矛盾。** 若 `instructions` 與 `criteria` 要求不同，例如 noul 的「是」被描述成「否」，正確率就會下降。判斷條件是問題的延伸。
8. **選項順序。** 模型有時偏向 choice 的第一個選項。請重新排列選項，檢查回答是否維持一致。
9. **內容生成。** Jev 未受過文字撰寫訓練。擷取資料時，請先以正規表示式或生成模型找出候選內容，再讓 Jev 透過 choice 選出正確項目。

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

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

TypeSafe /`jev-latest`

### 入門

TypeSafe 的決策模型不撰寫文字，而是回答關於文字或 JSON 的特定型別問題，例如選項選擇、尺度評分，或附帶機率的「是／否」。適合請求路由、客服案件分類、內容審核與評分；同一請求中的所有問題會平行評估。

接受的輸入

文字

結果

structured

### Ailoot 可用 · 輸入與方法

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

輸入

`text`

輸出

`structured`

上下文

64,000 tokens

輸出格式

json

| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
| --- | --- | --- | --- | --- |
| 欄位`model` | 類型`string` | 要求必填 | 值與限制 jev-latest | 預設值— |
| 欄位`state` | 類型`string\|object\|array` | 要求必填 | 值與限制 | 預設值— |
| 欄位`questions` | 類型`object` | 要求必填 | 值與限制 物件欄位數下限: 1 | 預設值— |
| 欄位`questions.<id>.type` | 類型`string` | 要求必填 | 值與限制 noul, choice, score | 預設值— |
| 欄位`questions.<id>.instructions` | 類型`string\|object\|array\|null` | 要求選填 | 值與限制 | 預設值— |
| 欄位`questions.<id>.criteria` | 類型`object\|array\|null` | 要求選填 | 值與限制 條件: noul：選填且可為空值的 true/false 說明；choice：條件物件；score：非空的條件陣列 | 預設值— |
| 欄位`stream` | 類型`boolean\|null` | 要求選填 | 值與限制 false, null | 預設值— |

輸入素材組合

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

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

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

方法參數與生命週期

| 參數 | 規格 |
| --- | --- |
| 參數`material_types` | 規格text |
| 參數`required` | 規格model, state, questions |
| 參數`optional_controls` | 規格null |
| 參數`content_type` | 規格application/json |

生命週期： `exact retained published method`

方法結構與 ID 均為精確值；供應商能力與准入狀態分開。

### 方案

#### Ailoot 方法費率

輸入

≈US$0.000084 */ 1K*

輸出

US$0.00 */ 1K*

Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。[預留金額與結算的運作方式 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/)

### 請求範例

#### Ailoot · System One

分類範例

```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
```

### 接收並儲存結果

#### Ailoot · System One

json

##### 保留所有已完成的結果

請保留所有完整傳回的回應、檔案與內容區塊。

請依提供的問題 ID、機率與圖例保留每個答案；使用 n 的信心值公式要求 n\>1，但這不代表 API 規定了選項數量下限。

回應欄位

| 欄位 | 類型 |
| --- | --- |
| 欄位`answers.<id>.type` | 類型string |
| 欄位`answers.<id>.noul` | 類型number |
| 欄位`answers.<id>.choice` | 類型string |
| 欄位`answers.<id>.score` | 類型number |
| 欄位`answers.<id>.confidence` | 類型number |
| 欄位`answers.<id>.probabilities` | 類型object |
| 欄位`answers.<id>.legend` | 類型object |
| 欄位`usage` | 類型object |

錯誤與後續步驟

| 回應 | 條件 | 下一步 |
| --- | --- | --- |
| 回應400 · `invalid_request_error` | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |

### 別名

#### 模型別名

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

#### 方法路徑別名

請使用上方列出的 API 方法路徑。

#### 相關呼叫用 ID

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

FAQ · jev-latest

可以使用哪些輸入與結果？

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

請求使用哪些欄位？

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

適用哪些限制？

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

將 Ailoot 串接 Claude Code、OpenCode、Hermes 或自己的應用程式。

## 公司及其專案組合

公司及其專案組合：數百萬客戶，每月銷售額達數十億。

## 優惠購買 token。

訂閱優惠適合持續工作，折扣碼購買 token 最高可折 50%。

訂閱

為定期請求選擇優惠方案。

最高 50% 折扣碼

購買時輸入代碼，價格依活動重算。

歷史中的費用

每次請求保存模型、token 與金額。

[選擇訂閱](https://ailoot.ai/docs/zh-hant-tw/billing/subscriptions/) · [查看模型價格](https://ailoot.ai/models/zh-hant-tw/)

## 將 API 加入 你銷售的產品。

依 Ailoot 正式服務條款與授權合約串接 SaaS、應用程式與機器人；轉售請申請經銷授權。

商用應用程式

在付費功能加入文字、圖片、影片與聲音生成。

經銷授權

提供專案說明與存取方式，要求書面使用和轉售條件。

網站文件

串接前可閱讀正式服務條款、授權合約與資料處理政策。

[申請經銷授權](mailto:support@ailoot.ai) · [正式服務條款與授權合約](https://ailoot.ai/legal/offer?lang=zh-hant-tw)

## Ailoot · 公司及其專案組合





Ailoot以累積的營運經驗、廣大的客戶群、穩定的服務及持續的KPI管理為基礎。





公司及其專案組合：數百萬客戶，每月銷售額達數十億。





Ailoot將這些營運經驗用於API存取，讓客戶的產品、代理、應用程式及自動化流程使用AI功能。