Jev 101 — 面向软件的决策，不是聊天
非官方手册：指南（概念 + 配方）与用例大纲。事实来自公开文档。与 TypeSafe 无隶属关系。
- 指南 + 用例 + 生态 + 常见问题
- Choice · Score · Noul 服务软件决策
- 配方：分流 · RAG · n8n · 抽取
- 已收录 · 62 个应用场景大纲
指南 · 基础
Jev 是什么 → 与聊天/代码分工 → Choice / Score / Noul → 第一个小任务。
01
Jev 是什么
大模型擅长写给人读的文字。软件需要的是能直接分支的判断：选哪个标签、打几分、是否成立——而不是再解析一段散文。
- 文案 Wave-3 中文定稿
- 见文末来源
02
分工：聊天模型、代码与 Jev
代码掌控流；Jev 做窄判断；长文留给聊天/推理模型。
- 文案 Wave-3 中文定稿
- 见文末来源
03
Choice · Score · Noul
三个原语，一次请求里可以混用；题与题之间彼此独立，没有暗中串话。
- 文案 Wave-3 中文定稿
- 见文末来源
04
你的第一小任务
目标：五分钟内看到一次类型化答案，而不是又一段聊天。
- 文案 Wave-3 中文定稿
- 见文末来源
用例
决策形状目录：适用谁、步骤、预期效果、来源。不是聊天机器人。
智能体
Agent harness 督导
在回合/工具边界并行提问；harness 转向或拦截。
查看提示词 → 智能体
智能体记忆控制
记忆的写入和检索决策交给 Jev，语言模型只负责回答（实验性）。
查看提示词 → 智能体
聊天回复先判断再起草
OCR/无障碍读屏 → Choice/Score/Noul 判意图与风险 → 代码排序；生成模型只写候选回复，本人发送。
查看提示词 → 智能体
提交／变更门控
适用：开发工作流。效果：本地质量门控
查看提示词 → 智能体
独立工作智能体监督
适用：多智能体运行器。效果：架构实验——应明确这样标注
查看提示词 → 智能体
自然语言 → 带类型的函数参数
适用：工具／交易演示。效果：感知置信度的工具绑定
查看提示词 →生态
TypeSafe + Gateway（官方路径）与边界清晰的独立演示。
指南 · 配方
准备资料 → 售后分流 → RAG 筛选 → n8n → 抽取并校验。
动手实践
Jev 给你的是概率，不是决定（Olivier Miossec）
外链 Olivier Miossec 的 DEV 文章（2026-10-09 发布，2026-10-25 修订）：讲托管 TypeSafe Jev 的心智模型——state 与问题、Score / Noul / Choice、置信度阈值，以及如何写原子问题；示例用 PowerShell，思路适用于任意语言。
动手实践
把指示拆成原子问题，比塞进一条原则更强（Takuma Yoshida）
外链 Takuma Yoshida 的 note.com 文章（2026-10-29）：在 Kaggle Game Arena Bargaining 上，把谈判原则拆成大量小问题交给托管 TypeSafe Jev（再可选把可算部分交给 Python），优于把七条原则塞进同一问。
动手实践
用 PowerShell 把 Jev 接入云运维（Olivier Miossec）
外链 Olivier Miossec 的 DEV 文章（2026-10-01）：用 Doug Finke 的 Jev PowerShell 模块，对 Bicep What-If、NSG 规则与 Azure Policy linter 结果做托管 TypeSafe Choice / Noul / Score 闸门。
常见问题
Jev 是不是 LLM？Noul 是什么？OpenJev ≠ Jev。置信度误用。