怎么让 Jev 干活?它只认三种问题?
对,只有三种。写法就是把你要它做的判断翻译成这三种之一,不用研究提示词。
| 类型 | 回答什么 | 返回什么 | 典型用途 |
|---|---|---|---|
| Noul | 是不是?(是/否) | 0–1 的概率 | 该不该执行、是否紧急、是否合规、是否相关 |
| Choice | 是哪一个? | 选中的选项 + 每个选项的概率 + confidence | 分类、路由、下一步动作选择 |
| Score | 属于哪个等级? | 加权分值 + 每一级的概率 + confidence | 情绪强度、质量评分、相关性排序 |
一个真实请求,同时问三种
下面这个请求体是真跑出来的。它只发一次请求,同时问了三件事。
json
{
"state": "客户留言:我上周下的单到现在还没发货,已经等了 6 天了,麻烦看一下。",
"model": "jev-latest",
"questions": {
"intent": {
"type": "choice",
"instructions": "这条留言属于哪一类?",
"criteria": {
"order_status": "查询/催单/发货相关",
"refund": "退款退货",
"product_question": "产品咨询",
"other": "其他"
}
},
"urgent": {
"type": "noul",
"instructions": "需要在 24 小时内人工处理吗?",
"criteria": { "true": "明确的时间压力或情绪升级", "false": "常规咨询,不急" }
},
"angry": {
"type": "score",
"instructions": "客户的情绪强度",
"criteria": ["平静", "略有不满", "明显生气", "非常愤怒"]
}
}
}
实测
跑出来是这样
一次请求,0.74 秒。输入 499 tokens,输出 79 tokens。
- 问题一:这条留言算哪一类?
- 回答「催单/发货」。它有 100% 把握,四个选项的概率是 1 / 0 / 0 / 0。
- 问题二:要不要 24 小时内人工处理?
- 回答 0.60。意思是拿不准,偏向要处理一点,但没到能直接下结论的程度。
- 问题三:客户有多生气?
- 回答 1.01 分(量程 0 到 3 分),对应「略有不满」。98% 的把握,97% 的概率落在这档。
三个问题一次问完,一共 0.74 秒。重点在第二个答案。
它把不确定度原样交回来,没有替你做决定。要不要当紧急处理,是代码说了算:大于 0.8 直接转人工,0.4 到 0.8 进待确认队列,小于 0.4 走自动回复。
上面说的 confidence 是什么?官方文档的说法是:它把整个概率分布压成一个 0 到 1 的数字,这样你不用自己算,直接拿这个数定阈值就行。
一次问很多个问题
所有基于同一份 state 的问题都可以塞进同一个请求,类型随便混。官方给的一组对比是比 13 次单独调用便宜 5 倍、快 9.6 倍,答案完全一样。所以「我可能用不上的问题」也可以问,官方的说法是 close to free。
- 一次请求里问题再多,响应时间几乎不变,因为并行评估
- 成本只增加多出来那些问题的 tokens
- 但 state 每次都要重发,所以别写得太胖,官方建议只给它这个问题需要的东西
看看别人怎么用 Jev
事实来源
下面这些是官方文档,本页所有事实性描述都可回溯到这里(其他内容站的说法未经核实,我们不用)。