Jev 怎么用：15 分钟从注册到第一次 API 调用（2026 年 10 月）

Jev 是 TypeSafe AI 的「System One model」，2026 年 9 月 15 日发布：一个托管的决策模型。你把 state（场景）加上类型化的 questions 发到 POST https://api.typesafe.ai/v1/systemone，它一次并行返回概率化答案——没有聊天、没有 prose，只有文本输入。本指南讲清楚 Jev 怎么用：从注册到跑通第一次调用，大约 15 分钟。本文是 Jev 专题 的一部分。

15 分钟上手

第 1 步 — 注册并拿到 API key（2 分钟）

去 console.typesafe.ai 创建账户，生成 API key，存成 TYPESAFE_API_KEY——只放服务端，永远不要写进客户端代码。新账户自带 $5 免费额度（约 1.2 亿 tokens），做原型、跑 demo 边际成本为零（见 Jev 价格）。如果注册时让你排队，去 Jev waitlist 状态页 看最新进展。

第 2 步 — 装 SDK（2 分钟）

pip install typesafe-sdk        # Python
npm install @typesafe-ai/sdk    # JS/TS

其实也可以完全不用 SDK——它就是普通 HTTPS，下面的例子只用 requests。

第 3 步 — 发起第一次 API 调用（5 分钟）

向 https://api.typesafe.ai/v1/systemone 发 POST，body 三个字段：model、state（场景描述，单次请求 64k context，其中 state 最多占 32k）、questions（你的类型化问题）。可运行代码在下面。

第 4 步 — 读懂概率化答案（剩下的时间）

choice 问题返回胜出选项 + 完整概率分布 + 0–1 的 confidence。noul 问题返回一个校准过的概率——这个数字本身就是信念（belief）。三个原语下面细讲。

三原语，配小例子

Jev 有三种问题类型，来自官方文档。三种可以混在一次调用里，并行求值。

Choice — 从最多 255 个选项里选一个。返回胜出者、每个选项的概率分布和 0–1 的 confidence。用来做路由和分类。例子： 对一张客服工单问 triage: choice(["billing", "technical", "other"]) → 胜出 "billing"，confidence 0.91。永远加一个显式的 "other" 选项，别让模型被迫选错桶。

Score — 按你描述的 2–10 级 rubric 打分。返回概率加权的值 + confidence。用来评估紧急度、风险、质量。例子： urgency: score("Rate how urgent this ticket is: 2 = whenever, 10 = drop everything") → 8.4，confidence 0.77。

Noul — yes/no 变成 0–1 的校准概率。没有单独的 confidence——这个数字本身就是信念。用来做门控。例子： escalate: noul("Should a human review this ticket right now?") → 0.87 就是“87% 认为是——转人工”。

可运行代码：~20 行搞定 choice + noul

下面的请求/响应结构遵循官方 API 文档：

import os
import requests

resp = requests.post(
    "https://api.typesafe.ai/v1/systemone",
    headers={
        "Authorization": f"Bearer {os.environ['TYPESAFE_API_KEY']}",
        "Content-Type": "application/json",
    },
    json={
        "model": "jev-latest",
        "state": "Ticket #4821: 'Charged twice on my October invoice, please fix ASAP.'",
        "questions": {
            "triage": {"choice": ["billing", "technical", "other"]},
            "escalate": {"noul": "Should a human review this ticket right now?"},
        },
    },
    timeout=10,
)
resp.raise_for_status()

answers = resp.json()["answers"]
print("winner:", answers["triage"]["winner"],
      "| confidence:", answers["triage"]["confidence"])
print("escalate probability:", answers["escalate"])  # the number IS the belief

跑通了，你就完成了第一次决策模型调用。接下来把 state 和问题换成你自己的就行。

真正省调试时间的设计规则

来自官方文档：

• 问题保持原子化。 把一个大判断（“这个客户满意吗？”）拆成小的类型化问题，答案在你的代码里组合。
• 领域规则写进问题里。 指令和标准（比如“紧急”是什么意思）属于 rubric 文本，别藏在某个 system prompt 里。
• 用 confidence 阈值做路由。 高 confidence → 自动执行；低 confidence → 转人工或更大的 LLM。这个阈值就是整个可靠性的关键。
• Jev 只决定分支，你的代码执行动作。 Jev 返回概率——它不发邮件、不改工单。你的代码做这些，爆炸半径才可控。

不想写代码？从 playground 开始

打开 console.typesafe.ai/playground：粘贴一段文本，选答案类型（choice、score 或 noul），看概率回来。独立的替代是 jevmodel.org——游客 1 万 tokens、登录 10 万，不用绑卡。请求 body 完全一样，只换 base URL。

下一步：进生产前的两个习惯

1. 锁版本。 生产用 jev-1.13.0，别用 jev-latest——别名会漂移。
2. 记 model 字段。 每次响应都把 model 字段打进日志，永远知道是谁回答的。

延迟官方称 70–500ms（一项独立测试经 OpenRouter 测得中位数 423ms），按亚秒级决策来设计——这就是它的意义。Jev 还可以通过 Vercel AI Gateway（typesafe-ai/jev）、Cloudflare Workers AI（typesafe/jev）、OpenRouter（typesafe/jev-1.13）和 LangChain（langchain-typesafe）调用。长教程见 Jev AI 教程。

赚钱角度：一个周末做出第一个付费分类服务

这篇教程本身就是商业计划——$5 额度（约 1.2 亿 tokens）让整个原型阶段边际成本为零：

• 第 1 天： playground + 免费额度跑通第一次调用。选一个真实企业每天都在做的无聊决策——客服工单分拣是经典。
• 第 2 天： 把这一个工作流包成小服务：工单进，分好类 + 转人工标记出。
• 第 3 天： 收费。你卖的是一个能干活的分类器，不是聊天 demo，而你每次决策的边际成本不到一美分。

完整 playbook 在 make money with Jev。

防骗提醒

市面上有约 670 个假冒 “jev” 域名。只认 console.typesafe.ai 和 docs.typesafe.ai——API key 不要粘贴到任何别的地方。

References

• Jev official docs — Introduction (primitives, design rules)
• Jev official docs — API reference (request/response shapes, error codes)
• What Is Jev AI? A Practical Getting-Started Guide (DEV)