TypeSafe Jev：只给判断、不写文字的 System One 模型

2026-09-18 · typesafe, jev, system-one, 分类, api, topxai

Jev（jev-1.13.0）是什么，noul、choice、score 三种问题怎么用，官方文档承认的短板，价格与限流，以及如何通过 TopxAI 调用。

TopxAI 开始转发 TypeSafe 的 Jev，售价为官方价上浮 7%。这篇写给正在评估它的开发者。下面的内容全部取自 TypeSafe 官方文档，截至 2026-09-18，涉及数字的地方都注明出处页面。

三步接入

只想先跑起来的话，按这个顺序做：

登录 TopxAI，在 API 密钥页面新建一把密钥。分组选「TypeSafe · 官方线路」；选「自动路由」也可以，Jev 只有这一条线，会自动落到它。
密钥建好后，在密钥详情里能看到一条安装命令，复制到终端执行。它会装好 TypeSafe 的 agent skill，把官方 SDK 和 skill 的请求地址改成 https://ai.topxea.com，最后发一次测试请求确认密钥可用：
```
curl -fsSL https://ai.topxea.com/install/typesafe.sh | sh -s -- --key sk-xxxx
```
之后写代码看 TypeSafe 官方文档就行：docs.typesafe.ai，API 页在 docs.typesafe.ai/api，模型与价格在 docs.typesafe.ai/models。接口和请求体与官方完全相同，只是地址和密钥换成 TopxAI 的。

脚本可以重复执行，改动的文件每次都整段重写；不想装 skill 或不想发测试请求，加 --no-skill、--no-verify。下文解释 Jev 到底是什么、适合做什么、不适合做什么。

它和聊天模型的区别

聊天模型的产出是给人读的文字。代码要一个判断时，通常得让模型吐 JSON，再解析，再祈祷字段没漂。TypeSafe 把 Jev 称为第一个 System One 模型：你发一份 state 和一组带类型的问题，它返回带类型的值和概率分布。文档原话是 "No text generation, no parsing."

System One 这个名字取自卡尼曼的快思考。它设计的工作单元，是懂行的人几秒钟就能下的判断，例如"这条消息是否紧急"。文档明确说，"分析这条消息并决定最佳处理方案"这种题超出了它的范围，要拆成小问题，再在代码里合并答案。

有两点训练上的事实要先记住。Jev 用 TypeSafe 称为 RLCD（Reinforcement Learning for Calibrated Decisions）的方法训练，目标是概率校准：标 0.8 的事情大约 80% 会发生。文档同时说明，校准是在一组预测上度量的，"不保证单个答案正确"。另外它不做按客户的微调，"同一套权重服务所有账户"，你只能通过请求本身来影响它。

三种问题

每个请求都是 POST /v1/systemone，正文三个字段：state、model、questions。每个问题有 type、instructions，以及 criteria（noul 的 criteria 可省）。你起的问题 ID 不会发给模型，所以完整的问题要写在 instructions 里。

noul 回答一个是非题，返回"是"的概率。criteria 可选，用 true 和 false 两条描述说明边界。下面是 noul 页面的例子：

{
  "state": "I have asked three times now. Can I please just talk to a real person?",
  "model": "jev-latest",
  "questions": {
    "is_human_escalation": {
      "type": "noul",
      "instructions": "Is the customer asking for a human agent?"
    },
    "is_repeat_contact": {
      "type": "noul",
      "instructions": "Has the customer contacted support about this before?",
      "criteria": {
        "true": "Mentions a prior attempt, ticket, or that they have asked before",
        "false": "No sign of any previous contact"
      }
    }
  }
}

{
  "model": "jev-latest",
  "answers": {
    "is_human_escalation": { "type": "noul", "noul": 0.99 },
    "is_repeat_contact": { "type": "noul", "noul": 0.93 }
  },
  "usage": { "input_tokens": 360, "output_tokens": 39 }
}

noul 没有单独的 confidence。接近 1 是强烈的"是"，接近 0 是强烈的"否"，0.5 附近表示拿不准。文档特别提醒，0.5 不代表"中等水平"；要量一个程度，用 score。

choice 从你给的选项里选一个。选项描述可以是字符串、null 或结构化对象，一个问题最多 255 个选项。choice 页面的例子：

{
  "state": "My running shoes arrived in the wrong size. Can I swap them for a size 10?",
  "model": "jev-latest",
  "questions": {
    "department": {
      "type": "choice",
      "instructions": "Which team should handle this?",
      "criteria": {
        "returns": "Exchanges, refunds, wrong or damaged items",
        "shipping": "Delivery status, delays, lost packages",
        "billing": "Charges, invoices, payment problems"
      }
    }
  }
}

{
  "model": "jev-latest",
  "answers": {
    "department": {
      "type": "choice",
      "choice": "returns",
      "confidence": 1.0,
      "probabilities": { "shipping": 0.0, "returns": 1.0, "billing": 0.0 }
    }
  },
  "usage": { "input_tokens": 330, "output_tokens": 34 }
}

probabilities 之和为 1，confidence 由分布的尖锐程度算出。同一页还有一张更乱的工单：department 选了 returns，概率 0.60，但 billing 也有 0.38，confidence 就掉到了 0.39。

score 把 state 放到一条你用文字描述的有序刻度上，2 到 10 档。答案是按概率加权的位置，可以落在两档之间。score 页面的例子：

{
  "state": "The export button crashes the settings page in Safari. It works in Chrome, but a few of our customers only use Safari.",
  "model": "jev-latest",
  "questions": {
    "bug_severity": {
      "type": "score",
      "instructions": "How severe is the reported issue?",
      "criteria": [
        "Cosmetic; no impact to functionality",
        "Broken or degraded feature, but workaround exists",
        "Blocking issue; no workaround exists"
      ]
    }
  }
}

{
  "model": "jev-latest",
  "answers": {
    "bug_severity": {
      "type": "score",
      "score": 1.3,
      "confidence": 0.54,
      "legend": {
        "0": "Cosmetic; no impact to functionality",
        "1": "Broken or degraded feature, but workaround exists",
        "2": "Blocking issue; no workaround exists"
      },
      "probabilities": { "0": 0.0, "1": 0.7, "2": 0.3 }
    }
  },
  "usage": { "input_tokens": 332, "output_tokens": 18 }
}

score 的算法是 0 x 0.0 + 1 x 0.70 + 2 x 0.30 = 1.30。每一档单独评判，模型看不到档位编号，所以别只写数字当档位（["0", "1", "2"]）。文档里同一份报告，描述性档位得 0.0、confidence 1.0，纯数字档位得 0.57、confidence 只有 0.35。

state 怎么设计，confidence 怎么读

state 可以是字符串、JSON 对象或数组。文档建议多数请求用对象，让每一部分有名字，并在 instructions 里用反引号路径指向具体字段，比如 `ticket.messages[0].text`。只放问题需要的内容，因为"state 里无关内容越多，准确率越低"。

instructions 和 criteria 也接受 JSON。choice 的一个选项可以是带 what、not_for、examples 的对象，score 的一档可以带 signals，noul 的 true 和 false 各自可以是对象。这些字段名都不是保留字，由你自己定。中转层和客户端必须原样透传这些结构。

confidence 是 choice 和 score 答案上 0 到 1 的一个数。TypeSafe 给的起步做法是分三段：高就自动执行，中等就让用户确认或标记复核，低就转人工，分界线按出错代价定。文档的例子里，查余额 0.6 就放行，批准转账要 0.85 以上。阈值只能用你自己的数据定，方法是把 confidence 和准确率画在一起看。

文档写明的四种模式

投机式扇出（speculative fan-out）。把代码可能用到的问题一次发完，包括只在某些分支才有用的那些，然后由代码忽略无关答案。问题并行评估，多几个问题几乎不增加延迟。parallel questions 这篇 cookbook 对一篇 53,777 字符的 GDPR 文章问 13 个问题：一次调用花 $0.000497、0.27 秒，拆成 13 次花 $0.006090、2.71 秒，答案完全一致。

按 confidence 分流（confidence-gated routing）。答案说"是什么"，confidence 说"能不能照做"。同一个系统里，不同动作用不同阈值。

组合打分（composite scoring）。把一个判断拆成每个维度一道 score，各自除以最高档位数归一化，再在代码里加权。简历那个例子对 python_depth、team_leadership、system_design、generalist 各打 0 到 4 分，高级工程师岗用 0.40 * py + 0.10 * lead + 0.40 * arch + 0.10 * general，经理岗换一组权重。

意图路由（intent routing）。一道 choice 判意图，一道 score 判复杂度，然后分别交给确定性代码、专职 LLM 或人工。confidence 低于 0.5 直接转人工。

cookbook 里的几个实测

LLM 护栏。每条消息一个请求，带四个 noul（越狱、有害请求、医疗建议、自伤）和一道 0 到 3 的严重度 score，代码按策略把风险映射到拦截、复核或转支持。DAN 提示词的越狱概率是 0.98；小说作者问"角色怎么被下毒"只有 0.05，放行。

重排序。40 个法律检索查询，BM25 先取前 30，再对每个"查询 + 候选"对问一道 noul。top-1 从 5% 升到 18%，top-10 从 38% 升到 62%，一共 1,200 次调用、$0.0645。

带 confidence 的分类。60 份 SEC 年报，一道 choice 在 75 个 SIC 行业组里选。硬选行业组答对 39/60；confidence 低于 0.9 时改报更粗的大类，可用答案升到 48/60。

抽取。日期 cookbook 把月、日、年和相对锚点都做成 choice，日历运算全部留在代码里。预解析抽取 cookbook 先用正则找出候选片段，再让 choice 挑一个，模型不可能凭空编值。SDE 级联让小模型先抽取，用逐字段 noul 当错误标记，只有某个标记超过 0.7 才升级到推理模型。

引用核查。先用字符串匹配找引文；找得到的，再用一道 choice 判断该段落对论断是支持、反驳还是无关。有一条引文逐字存在，但同一段写着 "Use of this claim is OPTIONAL"，以 0.99 判为反驳。

函数调用。十个带 Literal 参数的交易函数，每条指令生成 54 个问题：一道 choice 选函数，每个参数一道 choice 或 noul，再加一道"用户有没有提到这个参数"的 noul，没提就用默认值。上报的 confidence 取最弱的那个参数，而不是连乘。

以上数字都在 jev-1.12 上测得，页面说明新版本的概率可能不同。

TypeSafe 自己承认的长处和短板

长处：答案限定在你给的选项里；问题彼此独立、并行；概率经过校准并附带 confidence；构建指南写的是每次查询约 100 毫秒，两篇一致性 cookbook 实测平均 111 和 114 毫秒；重复调用的方差小（15 次运行，noul 每题概率标准差均值 0.0102，choice 0.0098）。

短板来自 jev-1.13 jaggedness 页面，最后复核日期 2026-09-17：

按字面理解。它"回答你写下的问题，而不是你想问的问题"。
数学和数字。"Jev 不是计算器"，数数不可靠，十六进制颜色和汇编比英文名称和高级语言差得多，也别从 score 里反推精确数值。
日期比较。它把日期"当文本读，不当有序量"。
多层指代。双重否定和多跳推理都会掉准确率。
大而杂的 state。无关内容会引发 context rot。
对抗性内容。它"默认不把输入当敌意内容"。
instructions 和 criteria 互相矛盾会把它弄糊涂。
没有结构不变量。同一个问题用 noul 和用是非 choice 问，得到 0.22 和 0.01；一道 noul 和它的否定式相加得 1.19。阈值不能跨问题类型复用。
不生成文本。"没有为生成文本训练过"。

其他限制：只接受文本，不收图片和音频；英语是主要训练语言，"包括 CJK 在内的其他语言能处理，但效果不等"；同一请求内的问题彼此独立，真正有依赖的后续判断要发第二个请求。

价格和限流

models 页面的原文："Price (per Btok / per Mtok) $42 / $0.042"，即每十亿输入 token 42 美元，每百万 0.042 美元。"按输入 token 计费，输出 token 免费。"

TopxAI 的售价是官方价上浮 7%：每百万输入 token 0.04494 美元，输出 token 同样免费。价目表里能看到牌价与售价并列。

限流："250,000 tokens per second / 1,200 requests per minute"，并附警告说限额"正在动态调整"、"可能不经通知就变"。上下文："64k tokens per request; 32k tokens for state plus the longest question"。超过任一限额返回 429，文档要求指数退避重试，并遵守 retry-after。

模型名：当前版本是 jev-1.13.0，jev-latest 和 jev-preview 现在都指向它。别名会随发布移动，调过阈值的系统要固定用版本号。

通过 TopxAI 调用

TopxAI 在 POST https://ai.topxea.com/v1/systemone 提供完全相同的接口，按官方价上浮 7% 计费（输入 0.04494 美元 / 百万 token，输出免费），用 TopxAI 密钥鉴权（Bearer sk-...）。请求体和返回体与上面的例子一字不差。

curl -X POST https://ai.topxea.com/v1/systemone \
  -H "Authorization: Bearer sk-xxxx" \
  -H "Content-Type: application/json" \
  -d '{
    "state": "Hi, I have been trying to connect my Stripe account for 3 days and it keeps failing. I am losing sales. Please help ASAP.",
    "model": "jev-1.13.0",
    "questions": {
      "urgency": { "type": "noul", "instructions": "Does this message express urgency?" }
    }
  }'

两个官方 SDK 都读 TYPESAFE_BASE_URL，并自行拼上 /v1/systemone 和 /v1/models，代码不用改：

export TYPESAFE_API_KEY=sk-xxxx
export TYPESAFE_BASE_URL=https://ai.topxea.com
pip install typesafe-sdk        # Python 3.10+
npm install @typesafe-ai/sdk    # Node.js 20+

如果由编码 agent 来写集成，装上 TypeSafe 的 skill，再设同样两个变量。一行安装脚本会把两件事一起做完：

curl -fsSL https://ai.topxea.com/install/typesafe.sh | sh -s -- --key sk-xxxx

skill 的 SKILL.md 只链接文档页面，没有写死任何 API 主机，所以把 agent 指向中转站只需要 TYPESAFE_BASE_URL。想用上游原版命令也行：Claude Code 用 claude plugin marketplace add typesafe-ai/skills && claude plugin install typesafe@typesafe-ai，其他 agent 用 npx skills add typesafe-ai/skills --skill typesafe-ai -g。

常见问题

能让它写回复或摘要吗？不能。文字交给生成模型，判断交给 Jev。smart home 那个 demo 就是这样分工的。

一个请求能放多少问题？只受 token 预算限制。skill suggestion cookbook 在一道 choice 里排 182 个选项；parallel questions cookbook 一次发 13 道混合问题，答案没有变化。

confidence 0.9 是不是 90% 的正确率？不是。confidence 度量的是分布有多尖。校准针对的是大量预测上的概率，不是单个答案。

中文文本能用吗？文档说非英语输入（含 CJK）"能处理，但效果不等"，要求用自己的内容测试，并盯紧 confidence。

model 字段该填什么？固定版本填 jev-1.13.0，跟随发布填 jev-latest。返回体会报告实际作答的模型。

遇到 429 或 529 怎么办？指数退避后重试。SDK 默认就这么做：重试 2 次，初始退避 0.5 秒，遵守 Retry-After。

模型：jev-1.13.0 · 模型与价格