🚀
用例库
100+ 社区项目 —— 浏览器与移动智能体、游戏、护栏、开发工具、交易、机器人。
浏览目录
Awesome Jev Guide该不该用 Jev，怎么用？
一份关于 TypeSafe AI 决策模型 Jev 的精选指南 —— 选型建议、可运行示例，以及 100+ 社区项目。
Skip to content
Jev 是什么？
它不生成文本。你发送 state（状态）和类型化问题，它返回带概率的结构化决策，代码可以直接分支使用。三种问题类型，出自官方文档：
| 原语 | 问题 | 返回 |
|---|---|---|
| Choice | 从最多 255 个选项中选一个 | 选项 + 概率分布 + 置信度 |
| Score | 在有序量表上打分 | 分数 + 分布 + 置信度 |
| Noul | 这条陈述为真吗？ | 0–1 概率 |
Jev 由 TypeSafe AI 于 2026-09-15 发布（发布长文）。核心数字出自官方模型文档（检索于 2026-09-20）：延迟 70–500ms，输入 $0.042/百万 token，输出免费，单次调用最多 255 个问题。
该不该用 Jev？
一个简明的决策树。研究页列出的独立评测指向同一条经验：把一个模糊的大问题直接丢给 Jev 效果很差 —— 可靠的做法是先拆成原子问题，再用置信度门控动作。
快速上手
示例改写自 TypeSafe 官方文档；注释中的输出是我们 2026-09-20 对真实 API 实测的结果。
python
from typesafe_sdk import Choice, Score, Noul, TypeSafeClient
client = TypeSafeClient()
response = client.system_one(
state="Hi, my Stripe integration keeps failing for 3 days. Help ASAP.",
questions={
"department": Choice(
instructions="Which team should handle this",
criteria={"billing": "Payment issues",
"technical": "Bugs or integrations",
"sales": "Pricing"},
),
"frustration": Score(instructions="How frustrated the customer appears",
criteria=["Calm", "Frustrated but civil", "Very angry"]),
"is_urgent": Noul(instructions="The message conveys urgency"),
},
)
print(response.answers["department"].choice) # "technical"
print(response.answers["department"].confidence) # 0.75
print(response.answers["is_urgent"].noul) # 0.99bash
TYPESAFE_API_KEY=ts-your-key uv run --with typesafe-sdk triage.py成本与延迟
下表数字出自官方文档（检索于 2026-09-20）。官方发布文中"快 193 倍 / 省 444 倍"的对比是自测口径；证实或修正这些说法的独立评测汇总在研究页。
| Jev | 前沿 LLM（官方对比口径） | |
|---|---|---|
| 延迟 | 70–500 ms | 3–329 s |
| 输入价格 | $0.042 / 百万 token | $1–15 / 百万 token |
| 输出价格 | 免费（不生成文本） | 按 token 计费 |
| 限流 | 25 万 tok/s · 1200 次/分 | 各家不同 |
成本公式： 月成本($) = 日调用量 × 平均 state token 数 × 30 × 0.042 / 1M —— 例：每天 10 万次调用 × 500 token → 每月 15 亿 token → $63/月。