02 · Jev 是什么:三句话讲清楚
不写文章、只会答三种题、第一款 System One Model。
入门概念System One
这一章我们用三句话把 Jev 钉死在你的认知里。
第一句话:Jev 不写文章
Jev 是一个只做”判断”、不”说话”的 AI。
你给它一段材料(邮件正文、工单内容、代码 diff、一段游戏状态),它给你结构化的答案,不带任何修饰语。
- 不会说”我认为是 billing”
- 不会说”考虑到您的需求,建议选择 technical”
- 不会说”作为一个 AI 助手,我建议……”
它给你:{"route": "billing", "confidence": 0.92}
就这一行。
第二句话:Jev 只会答三种题
不管你问什么,都脱不开这三种题型:
| 题型 | 问什么 | 返回什么 | 例子 |
|---|---|---|---|
| Choice | 从一个列表里选一个 | 选中的值 + 每个选项的概率 + confidence | “这封邮件属于哪个团队?billing / technical / account” |
| Score | 在一个有顺序的刻度上打分 | 分数(可落在级别之间)+ 每级概率 + confidence | “这封邮件多紧急?0=不急,1=有点急,2=非常急,3=催命” |
| Noul | 是还是不是 | 一个 0 到 1 的概率(是的概率) | “这封邮件是不是在要退款?” |
而且,所有问题可以一次问完,并行评估。如果你有 5 个判断要做,你写 5 个问题,一次调用,5 个答案。
response = client.system_one(
state=email_text,
questions={
"team": Choice(["billing", "technical", "account"], instructions="Which team?"),
"urgency": Score([0, 1, 2, 3], instructions="How urgent?"),
"refund": Noul("Is the customer requesting a refund?"),
"angry": Noul("Does the tone suggest strong frustration?"),
"spam": Noul("Is this spam or marketing?"),
}
)
# 一次调用,5 个答案,5 个 confidence,几十毫秒第三句话:Jev 是 TypeSafe 提出的”System One Model”的第一款
System One 这个名字借自 Daniel Kahneman 的《思考,快与慢》——
- System 1 是快速、凭直觉的判断(看到红灯就停)
- System 2 是慢速、需要推理的思考(解一道微积分)
Jev 是”AI 版的 System 1”:快、稳、不解释。
而今天所有聊天模型都是 System 2:慢、烧脑、会自言自语。
TypeSafe 的赌注是:未来的软件系统,会把”判断”和”思考”分清楚——让 System 2 模型(大模型)负责”想”,让 System 1 模型(Jev)负责”判断”。两者在代码里组合。
这就是 Jev 的产品哲学。它不是来”取代”GPT-5 的;它是来补上 GPT-5 不擅长那一块的。
一张图总结
┌─────────────────────────────────────────────────────────┐
│ 你的软件系统 │
│ │
│ ┌──────────────┐ ┌──────────────┐ │
│ │ System 2 │ ←──→ │ System 1 │ │
│ │ (大模型) │ │ (Jev) │ │
│ │ │ │ │ │
│ │ • 生成文本 │ │ • 做选择 │ │
│ │ • 写代码 │ │ • 打分 │ │
│ │ • 推理 │ │ • 是/否 │ │
│ │ • 解释 │ │ • 不解释 │ │
│ │ │ │ │ │
│ │ GPT-5 │ │ Jev │ │
│ │ Claude │ │ │ │
│ │ Gemini │ │ │ │
│ └──────────────┘ └──────────────┘ │
│ │
│ 代码掌控控制流,AI 只在"判断"环节嵌入 │
└─────────────────────────────────────────────────────────┘