Jev响应是结构化、强类型的决策原语，核心为state+questions→answers，含type、value、probabilities、confidence；三类问题对应choice/noul/score固定字段，无需正则或Schema校验。
☞☞☞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☜☜☜
Jev 的响应格式不是要“猜”或“解析”，而是直接结构化、强类型、开箱即用。你不需要写正则、不依赖 JSON Schema 校验、也不用担心字段名拼错——它返回的就是代码能直接读取的决策原语。
核心就三点：state + questions → answers（含 type、value、probabilities、confidence）
一、先看一个最简响应长什么样
假设你提交了这个请求：
{
"state": "用户刚提交退款申请，订单金额 299 元，距发货已过 48 小时，无客服沟通记录。",
"questions": {
"route_to_team": {
"type": "choice",
"options": ["payments", "logistics", "customer_support"]
},
"needs_manual_review": {
"type": "noul",
"instructions": "该退款是否需人工复核？"
},
"urgency_level": {
"type": "score",
"levels": ["low", "medium", "high"]
}
}
}Jev 返回的响应会是这样（精简版）：
{
"answers": {
"route_to_team": {
"type": "choice",
"choice": "payments",
"probabilities": {"payments": 0.82, "logistics": 0.12, "customer_support": 0.06},
"confidence": 0.74
},
"needs_manual_review": {
"type": "noul",
"noul": 0.63,
"confidence": 0.68
},
"urgency_level": {
"type": "score",
"score": "medium",
"probabilities": {"low": 0.09, "medium": 0.71, "high": 0.20},
"confidence": 0.65
}
},
"model": "jev-1.13.0"
}注意几个关键事实：
- 每个
answer的 key 和你提问时完全一致（比如"route_to_team"），不会改名、不会缩写； -
type字段永远存在，且和你定义的问题类型严格对齐； -
choice/noul/score这三个字段名就是答案主值，名字固定、含义明确； -
probabilities是完整分布（所有选项的概率和为 1），不是仅返回 top1； -
confidence是独立计算的置信度指标，和最高概率值无关，可直接用于阈值控制。
二、三类问题对应三种返回结构，记牢就能写死解析逻辑
Choice 类响应
必有字段：choice（字符串）、probabilities（对象）、confidence（浮点）
✅ 适合路由、分类、标签分配
⚠️ 注意：choice是字符串，不是索引；probabilities包含全部选项，哪怕你只关心 top1，也能拿全量做 A/B 或 fallbackNoul 类响应
必有字段：noul（0–1 浮点数）、confidence
✅ 适合风控开关、准入判断、布尔策略
⚠️ 它不返回"yes"/"no"字符串，只返回概率值；应用层自己定阈值（如noul > 0.7才触发拦截）Score 类响应
必有字段：score（字符串，等于你定义的某个 level）、probabilities（各 level 概率）、confidence
✅ 适合分级告警、优先级排序、影响评估
⚠️score是离散值，不是数字；想映射成 1–5 分？得你自己在代码里建映射表
三、快速上手的实操建议
-
不要手动拼 JSON 请求体：用官方 SDK 或封装好的 client（如
fast-jev-compaction提供的JevClient），它自动校验questions结构、补全必填字段、处理空格和编码。 -
本地 mock 响应先跑通流程：复制上面那个示例响应，在代码里硬编码返回，先让后续业务逻辑（比如
if answer.needs_manual_review.noul > 0.75: trigger_human_review()）跑起来。 -
把
confidence当作第一道熔断开关：比如confidence < 0.5时直接走默认分支或打日志告警，避免低置信决策污染下游。 - 别在代码里做“概率加权平均”：Jev 设计原则是“每个问题只问一件具体的事”。多个维度的综合判断（比如“高风险 = 高金额 × 高 urgency × 低 confidence”），请放在你自己的业务代码里算，而不是塞进一个问题里让模型“理解权重”。
Jev 的响应格式本质是一个函数式接口：输入确定、输出确定、类型确定。它不考验你的 prompt 工程能力，只考验你有没有把业务判断拆解清楚。真正花时间的不是解析响应，而是定义好 state 的边界和 questions 的颗粒度。
