Jev原生支持并发批量决策，一次请求可并行处理上百至万条数据，13个问题仅比单次慢12%且成本降12.2倍；需将输入整理为字符串或JSON对象数组，Questions按type/noul/choice/score严格声明，key全局唯一，通过POST发送含model/state/questions的JSON至API端点，响应answers数组与state等长。
☞☞☞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☜☜☜
你需要一次性让Jev对上百条客服工单、数千条广告文案或上万条用户行为日志做分类判断，但又不想写循环反复调用API——Jev原生支持并发批量决策，一次请求就能并行处理多个独立问题，且新增问题几乎不增加延迟，实测13个问题比单个调用仅慢12%，成本却降低12.2倍。
准备批量输入的State数据
把你要判断的所有原始材料整理成一个数组，每项必须是字符串或合法JSON对象。例如处理100条邮件，就构造长度为100的数组，每项是邮件正文文本；若含结构化字段（如发件人、时间、主题），直接用JSON对象封装，Jev能原生解析。不要拼接成一大段文本，【数组中任意一项为null、undefined或非字符串/JSON对象，整批请求将被拒绝】。
这一步操作起来很简单，直接把文件拖进去就行。
定义Questions结构体
Questions不是自然语言提问，而是严格按Schema声明的决策任务列表。每个任务必须指定type（noul/choice/score）、key（返回时的字段名）和必要参数：
• noul类型：只填question字段，如"该邮件是否含欺诈链接？"；
• choice类型：必须提供options数组，最多255个选项，如["正常","钓鱼","恶意下载"]；
• score类型：需定义scale字段，如{"min":1,"max":5,"step":1}表示1~5分整数打分。
注意：所有key值必须全局唯一，否则后写入的会覆盖先写的——比如两个任务都设key:"risk"，最终只返回一个risk字段。
组装并发送批量请求
第一步：创建顶层JSON对象，包含三个必填字段：model（固定填"jev-1"）、state（上一步准备的数组）、questions（上一步定义的结构体数组）；
第二步：用POST方法向https://api.typesafe.ai/v1/decide发送请求，Header中加入Authorization: Bearer <your_api_key>和Content-Type: application/json；
第三步：收到响应后，检查HTTP状态码是否为200，再读取response.body.answers——它是一个与state等长的数组，每一项对应state中同位置元素的全部决策结果。例如state[5]是第6封邮件，则answers[5]里包含你定义的所有key对应的noul值、choice选项及概率分布、score分数等。
这一步不能跳过校验：如果answers数组长度与state不一致，说明部分数据因格式错误被静默丢弃，需重新检查state数组中第X项内容。
