Jev 实战该问它什么，什么留在代码里

别拿大模型
做是非题。

Jev 不写字。你把 state 和带类型的问题发给它，约 300 毫秒后每题拿回一个概率。拍板的是你的代码。

这页上的每个数字都是 Jev 自己给的；方案文字来自语言模型，会单独标注。

01一次请求长什么样

卡片进一台黑机器，出来三根概率条，图章拍板 — state · 题Jev · 约 300 ms你的代码拍板

一次请求：一份 state 加三道带类型的问题进去，三个数字出来，拍板的是你的代码。

02一道现场题

改一句话，看数字动。

▪ task_done · noul · 现场

一道现场的 Jev 题。任务固定；改一改「观察到的结果」，Jev 会重新回答 task_done（noul，即 P(是)），约 300 毫秒。

task今晚 7 点订一张两人的桌。

observation

Jev 只认字面——讽刺和空喊「搞定」归你的代码管：加一道题，或在 state 里要求细节

task_done—

我们发给 Jev 的题

{
  "state": {
    "task": "今晚 7 点订一张两人的桌。",
    "observation": "预订已确认——2 位，19:00，12 号桌。"
  },
  "questions": {
    "task_done": {
      "type": "noul",
      "instructions": {
        "what": "Does `observation` confirm that the goal in `task` was achieved?",
        "not_for": "Partial progress, a different time or party size, or a promise to book later."
      },
      "criteria": {
        "true": "The observation confirms the task exactly as stated.",
        "false": "It does not confirm the task as stated."
      }
    }
  }
}

0 = 否 · 1 = 是 · 0.5 是「不知道」，不是「中等」

自己跑：key 在 console.typesafe.ai/keys · 输入 $0.042/百万 token，输出免费 · 这道题 … token ≈ $… · 直接 fetch，不需要 SDK

还没发布可靠性图——这页的每个数字都是现场跑的，没挑过

03三种问法

noul

observation 能确认 task 里的目标达成了吗？

“预订已确认——2 位，19:00，12 号桌。”

choice

「19:00 显示没位，19:30 可选」

置信度 0.84 · other: 永远留逃生口

score

0 什么都没做
1 开始了
2 确认完成一个子目标
3 就差最后一步
4 全部确认完成

每一级是一个具体情形，不是形容词；分数是概率加权平均

别拿大模型做是非题。

改一句话，看数字动。

别拿大模型
做是非题。