什么是 Jev (核心概念)

一句话定义

Jev 是一个面向软件工程决策的 System 1（系统一）模型：输入非结构化的状态（state），输出强类型的概率化决策。它不写文章、不聊天、不生成 JSON 字符串——它只回答你预先定义好的问题，并且每个答案都附带校准过的概率。

命名溯源

Jev 这个名字承载了两个思想源头：

1. 杰文斯悖论（Jevons Paradox）

19 世纪经济学家 William Stanley Jevons 发现：蒸汽机效率提高后，煤炭的总消耗量不降反升——因为效率提升让煤炭变得更有用、更便宜，于是被用在了更多场景里。

Jev 官方在发布博客中直接引用了这个悖论作为命名依据，并用它来解释当下 LLM 的处境：当推理成本下降几个数量级，软件对“决策”的调用量会爆炸式增长。

这解释了一个关键设计取向：Jev 不是要“做得更好”，而是要让决策便宜到可以被高频调用——便宜到你可以在一段代码里每秒调用十次而不用看账单。输出 Token 完全免费（$0），输入低至 $0.042 / 百万 Token，正是为这个前提服务的。

2. 系统一：卡尼曼的快脑

Daniel Kahneman 在《思考，快与慢》中把人的认知拆成两套系统：

	系统一（快脑）	系统二（慢脑）
特征	快速、自动、直觉、省力	缓慢、刻意、推理、费力
例子	看到 2+2 脱口而出 “4”；判断对方脸色	计算 17 × 24；写一篇文章
成本	极低	极高

Jev 把自己定位成软件的系统一：处理那些“手写 if-else 太脆、上通用大模型又太重”的判断——分类、路由、打分、抽取、分支。

创始人背景

Jev 由 TypeSafe AI 打造，创始人 Diogo Almeida 是前 OpenAI 研究员，也是 InstructGPT / RLHF 方向的核心作者之一——即“如何让模型按人类意图输出”这条技术路线的奠基工作之一。

这个背景解释了 Jev 的气质：它不是从“让模型更聪明”出发，而是从**“如何让模型的输出可以被软件可靠消费”**出发。团队把公司命名为 TypeSafe（类型安全），本身就是一种宣言。

与传统大模型的分工

Jev 不取代通用 LLM，两者的职责是互补的：

用户输入
   │
   ├─► 【系统一】Jev ──► 70ms 内给出：分类 / 路由 / 打分 / 是否拦截
   │        │
   │        └─ 90% 的简单情况在这里就被确定性地处理掉了
   │
   └─► 【系统二】通用 LLM ──► 仅在需要时被唤起：生成回复、写摘要、深度推理

维度	Jev（系统一）	通用 LLM（系统二）
响应时间	70ms – 500ms	3 秒 – 300+ 秒
输出形态	强类型：`choice` / `noul` / `score`	自由文本（需要额外解析）
输入成本	$0.042 / 百万 Token	$0.20 – $10 / 百万 Token
输出成本	免费（$0）	约为输入成本的 5 倍
失败模式	概率偏斜（可观测、可设阈值）	JSON 破损、幻觉、跑题
典型职责	守门、路由、打分、分支	生成、创作、多步推理

关键洞察：Jev 是最好的“守门员”

在 Agent 架构里，Jev 最有价值的用法不是替代 LLM，而是挡在 LLM 前面：

垃圾 / 闲聊前置拦截——用 70ms、零输出成本判断“这条消息值得花 3 秒和 0.01 美元吗？”
敏感操作前置风控——工具调用前先问一句“这个动作有风险吗？”
意图路由——先分类，再决定交给哪个（可能很贵的）专家模型

官方关键链接

资源	地址
官方博客（System One Models 发布文）	https://typesafe.ai/blog/introducing-system-one-models-and-jev
官方控制台（申请 API Key）	https://console.typesafe.ai
官方文档	https://docs.typesafe.ai
JS/TS SDK 源码	https://github.com/typesafe-ai/typesafe-sdk-js

下一步 → 3 分钟上手 SDK，或者直接看 Choice / Noul / Score 三大原子机制。