Jev响应必须严格校验字段名和类型：noul为0–1浮点数无confidence；choice含selected、probabilities（对象）、confidence；score为加权数值，三类字段均平铺在顶层，按question key取值，错一位即失败。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
直接对接 Jev 的响应格式，关键不是解析“回答”，而是校验结构、提取字段、做置信路由——它不返回自由文本，只返回 choice、score、noul 三类字段加概率分布，所有字段名和嵌套层级是固定的，错一个就拿不到结果。
响应体结构必须严格校验字段名和类型
Jev 返回的 JSON 是强 schema 的，不是“大概有这些 key”。比如 noul 问题一定在顶层返回一个 noul 字段，值为 0–1 的浮点数；choice 问题一定返回 choice 对象，内含 selected（字符串）、probabilities（对象）、confidence（浮点数）三个字段；score 同理，但 score 字段值是加权计算后的数字（如 2.7），不是原始等级名。
常见错误现象：
- 把
noul当成布尔值用if (res.noul)判断——实际要写if (res.noul > 0.8) - 误以为
choice.probabilities是数组——它是个键值对对象，如{"billing": 0.62, "technical": 0.35, "account": 0.03} - 从
score响应里直接取score.level——不存在这个字段，只有score（数值）、probabilities（各等级概率）、confidence
混合问题时，响应字段按 question 名平铺，不是嵌套在数组里
你发一个请求带三个问题：{"is_urgent": {"type": "noul", "question": "..."}, "team": {"type": "choice", "options": ["billing", "..."]}, "risk": {"type": "score", "levels": ["low", "medium", "high"]}}，Jev 返回的不是 {"results": [...]}，而是直接平铺：
{
"is_urgent": {"noul": 0.94},
"team": {
"choice": "billing",
"probabilities": {"billing": 0.71, "technical": 0.22, "account": 0.07},
"confidence": 0.83
},
"risk": {
"score": 2.4,
"probabilities": {"low": 0.12, "medium": 0.68, "high": 0.20},
"confidence": 0.79
}
}这意味着你不能写循环遍历 response.results，而必须按你定义的 question key（如 is_urgent）逐个取值。如果某个 question key 拼错了，对应字段就完全缺失，不会报错也不会默认补空值。
使用场景提醒：
- Spring Boot 项目建议用
@JsonAlias显式绑定每个 question key，避免字段名大小写或下划线风格不一致导致反序列化失败 - 前端 JS 调用时，别用
res[questionKey]动态取值后直接解构——先if (res.hasOwnProperty(questionKey))校验存在性 - Python 用
data.get("is_urgent", {}).get("noul")比data["is_urgent"]["noul"]更安全
confidence 字段只出现在 choice/score 类型，noul 没有 confidence 字段
这是最容易踩的坑：Noul 类型问题（是非判断）只返回一个 noul 数值，不附带 confidence。官方明确说明 noul 的输出本身就是经过概率校准的，其值本身已包含置信含义，额外加 confidence 属于冗余。
所以如果你统一用 res.team.confidence > 0.8 && res.risk.confidence > 0.8 做路由，但忘了 res.is_urgent 下根本没有 confidence 字段，代码会直接抛 undefined is not a property 或 KeyError。
正确做法是分类型处理：
-
noul：只看数值阈值，如res.is_urgent.noul > 0.85 -
choice/score：必须同时检查confidence和主字段（如selected或score） - 不要试图从
noul值反推 confidence——它不是1 - abs(noul - 0.5) * 2这种简单映射，模型内部校准逻辑不对外暴露
真正麻烦的不是结构复杂，而是它太干净——没容错、没默认值、没提示语。你定义的每个 question key 都是硬契约，响应字段名错一位、类型对不上、甚至多一个空格，下游代码就拿不到值。上线前务必用真实 API 返回做字段存在性断言，而不是靠文档脑补。
