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)