TypeSafe AI 结束隐身状态，并开放首款 System One Model——Jev 的早期访问。创办人 Diogo Almeida 曾参与 ChatGPT 背后的指令跟随方法研究。这次值得关注的不是又一个聊天窗口，而是另一种产品定位：让软件提交非结构化状态，再取得可用于下一步处理的决策。
从聊天回答转向应用决策
“函数调用级别的智能”提供了一个理解 Jev 的角度：应用遇到难以完全写成规则的状态时，调用模型辅助判断，而不是要求它写一段长篇回复。对开发者而言，关键问题也随之改变——不只是回答是否自然，还包括结果能否被程序解析、动作是否在允许范围内，以及出错时系统如何退回安全状态。
目前给出的信息只说明了 Jev 的定位和早期访问状态，并没有提供可据此确认的 API 格式、延迟数字或输出字段。下面的代码是本地模拟的集成方式，不是 Jev SDK 示例。
先定义决策契约，再接入模型
假设客服系统收到一句状态描述：“支付请求超时，客户称被扣款两次。”与其让模型自由生成操作步骤，不如先限定它只能建议 retry、escalate 或 ignore。其中 escalate 只是转人工；退款、扣款等资金操作不在这个决策接口的权限内。
可以这样实践：将模型输出当作不可信输入解析，验证字段和动作集合，再交给现有业务流程执行。下面的脚本用固定 JSON 代替真实模型响应，因此无需账号或依赖即可运行：
# 保存为 decision_demo.py，然后运行：python decision_demo.py
import json
ALLOWED_ACTIONS = {"retry", "escalate", "ignore"}
state = "支付请求超时，客户称被扣款两次"
# 本地演示数据：接入真实模型时，替换为模型返回的文本。
model_output = '{"action":"escalate","reason":"可能存在重复扣款，需人工核查"}'
def parse_decision(raw: str) -> dict[str, str]:
value = json.loads(raw)
if not isinstance(value, dict):
raise ValueError("决策必须是 JSON 对象")
if set(value) != {"action", "reason"}:
raise ValueError("决策字段不符合约定")
if value["action"] not in ALLOWED_ACTIONS:
raise ValueError("不允许的动作")
if not isinstance(value["reason"], str) or not value["reason"].strip():
raise ValueError("缺少决策理由")
return value
try:
decision = parse_decision(model_output)
except (json.JSONDecodeError, ValueError):
decision = {"action": "escalate", "reason": "无法验证模型输出"}
print(json.dumps({"state": state, "decision": decision}, ensure_ascii=False))
这段代码展示的是接口边界，而非模型能力：解析失败会转人工，但解析成功也不等于可以直接执行高风险操作。实际接入时，还要明确输入如何传给模型、超时如何处理，以及决策记录如何供人复核。
试用时看什么
Jev 的价值需要在具体工作流里验证。适合从动作少、反馈明确、能够人工兜底的环节开始，记录模型建议、最终执行动作和人工修正。评估时不要只看“答对了多少次”，还要看错误建议的代价、异常输出的频率，以及一次判断是否真的比现有规则或人工分流更合适。早期访问阶段，先把权限和回退路径设计好，比急着让模型接管业务动作更重要。