Skip to content
2026-09-29 04:20584 字AIJev决策模型

Jev 三大决策原语 ​

Jev 的决策能力可以归纳为三种原语,一句话记忆:

text
Noul   → 是不是?
Choice → 选哪个?
Score  → 几分?
原语回答的问题直觉类比
Noul是不是?要不要?是否满足条件?带上概率的 Yes / No
Choice应该选哪一个?智能 switch / 智能路由器
Score有多严重?有多重要?有多符合条件?打分器

Noul:是 / 否判断 ​

text
问题:客户是否明确要求退款?
返回:0.97      → 可理解为 P(Yes) = 0.97

适合:是否违规、是否需要人工、是否包含退款诉求、是否值得继续处理、是否需要调用工具、是否存在风险。

Choice:从多个选项中选一个 ​

text
问题:这封邮件应该交给哪个部门?
选项:A 物流 / B 退款 / C 技术支持 / D 投诉
返回:refund(附对应概率)

适合:分类、路由、工具选择、流程选择、Agent 下一步选择。

官方资料显示 Choice 最多支持 255 个预定义选项,所以它非常像软件里的一个「智能 switch」。

Score:打分 ​

text
问题:客户情绪(1 正常 ~ 5 极端投诉)
返回:Score = 4,Confidence = 0.91

适合:用户情绪、风险等级、销售线索评分、紧急程度、内容严重程度、优先级、质量评分。

每个决策都带置信度 ​

三种原语返回的都不只是「结论」,还包含概率 / 置信度。程序据此控制风险——高置信度自动执行、低置信度转人工。机制与阈值实践见 Jev-零幻觉与置信度。

能力速查表 ​

问题类型用哪个原语
是不是?Noul
选哪个?下一步走哪个流程?哪个工具最合适?Choice
几分?风险多高?Score
有多大把握?Probability / Confidence
是否需要人工?Agent 是否可以继续执行?LLM 输出是否合规?Noul
内容是否违规?检索结果是否相关?Noul / Score

(内容由AI生成,仅供参考)

每一篇文章,都是时间的标本