Jev：给大模型装一个「第二大脑」，十二个可以插进去的位置

一个便宜的「第二大脑」替它做判断，昂贵的模型可以回去思考和写作。

打开任何一个已经上线的 agent 的日志，都会看到大批前沿模型的 token 花在这些问题上：这条消息是垃圾吗？接下来该哪个 worker 跑？这份草稿够不够格给人看？我们是动手、等着，还是往上抬一级？

这些都不是写作任务。它们是有已知答案的分叉，而一个以写作为长的模型逐段推理它们，慢、贵、还话多。

Jev 是 TypeSafe AI 公开发布的第一个模型，就是为循环里的这一半存在的。

这是一份给开发者看的使用指南：它是什么、该怎么想它、以及九个能放它的地方。

一、三个活，一次 API 调用

大多数 agent 栈把三件不同的活塞进一次调用。拆开是这样：

• 创作（调研、起草、解释）→ LLM
• 挑选、打分、把门→ Jev
• 真的去做（点、发、存）→ 代码

守住这条分工，账单、延迟和失败模式都会变得好推算一些。

二、Jev 到底是什么

TypeSafe 把 Jev 称为「System One」模型。它接收非结构化状态作为输入，返回带类型、受 schema 约束的决策，附校准过的概率；采样是并行做的，不是一个 token 一个 token 地吐。它不生成文本。

TypeSafe 报出来的响应时间大约 70 到 500 毫秒，并声称相对同类 LLM 工作流有 20 到 200 倍的速度优势和 40 到 400 倍的成本优势。这些是厂商自己的数字，要拿你自己的数据去验。

在生产里，让它有用的是 confidence 这一层。每个决策都带一个置信度估计，于是软件可以在置信度高时直接动手，在不高时往上抬一级。90% 和 55% 应该是两回事，你的代码可以据此分叉。

三、能不能用：访问现实核查

发布那一周，访问政策变得很快。TypeSafe 在 9 月 20 日对所有人开放注册，送 5 美元额度；9 月 22 日因为需求太大暂停了新注册，已有账号继续可用。到 9 月 25 日，它首页上仍然只有一个登录链接。

两条绕行路线：

• Vercel AI Gateway。Vercel 把 Jev 加了进去，模型名 typesafe-ai/jev，不用排队，还能选零数据保留。
• 盯 TypeSafe 的 X 账号等重开。以那里为准，我写的任何东西今天都可能过期。

Jev 是闭源的托管 API，跑不到本地。

四、心智模型：Choice、Score、Noul

三种问题类型覆盖了大部分闸门：

• Choice：从一个带标签的选项里挑一个（哪个队列、哪个动作）。
• Score：在一个有序刻度上打分（紧急度、质量）。
• Noul：是/否，带置信度（可以继续吗？）。

两条规矩能帮你省钱，也能少走错路：

1. 把策略写进 instructions 和选项文本里。 Jev 猜不出你的字段名是什么意思。
2. state 里放证据，不放结论。 传 last_error、找到的来源、消息片段；别传 "research_done": true。

一个工单分流器长这样。形状只作示意，我没有拿真 key 跑过，属性名以当前 SDK 文档为准：

from typesafe_sdk import Choice, Score, Noul

state = {
    "ticket": ticket_text[:1500],
    "plan": "enterprise",
    "prior_tickets_30d": 3,
}

result = client.system_one(
    state=state,
    questions={
        "team": Choice(
            instructions="Route to the right team.",
            criteria={
                "billing": "Charges, invoices, refunds.",
                "engineering": "Bugs, outages, errors.",
                "support": "How-to questions.",
            },
        ),
        "urgency": Score(
            instructions="How urgent is this for the customer?",
            labels=["low", "medium", "high", "critical"],
        ),
        "needs_human": Noul(
            instructions="This ticket should be read by a person before any reply."
        ),
    },
)

一次调用回来三个答案，你的代码对它们分叉。

五、上线前的护栏

confidence 是信号，不是保证。这几样从第一天就该有：

• 每个决策一条置信度下限。 低于它，抬给更大的模型或者人。下限要在你自己的标注样本上校准。
• 代码里的硬上限。 限制每次运行的工具调用次数和花费。
• 每个动作之后保存进度，重试时不会把副作用再做一遍。
• 不可逆的事一律留人工闸：发布、删除、付款、发送。
• 结果复核。 流程说「做完了」之后，去验证它真的发生了。

这个模式是一致的：Jev 判断要不要往下走，代码执行，人负责不可逆的那几步。

六、从这里开始有意思

分类是个无聊的 demo。有意思的部分是，你开始把一天里每一个分叉都看成「状态 + Choice / Score / Noul」。

下面是操作手册里的十二个用例，每个都写成一个小故事，给出具体的 state，另加三个我们内容台真正在用的流程。

01 · 邮件分诊：账单、钓鱼、赞助、紧急度

你的收件箱不是一个队列，是四个活戴着同一个主题行。一封「发票逾期」的信，可能是真账单，可能是钓鱼的仿冒，可能是带假紧迫钩子的赞助提案，也可能是一个当天就要回复的合作伙伴。

把裁剪过的邮件喂给 Jev：头部 + 前若干字符 + 你在代码里已经算好的发件人信誉标志。并行地问：

• Choice：billing / phishing / sponsor / personal / ops
• Score：紧急度 low → critical
• Noul：looks_like_credential_harvest

状态长这样：

{
  "from": "billing@vendor-lookalike.tld",
  "subject": "Action required: invoice #4412",
  "body_excerpt": "Click here to avoid suspension…",
  "spf_pass": false,
  "known_vendor_domain": false
}

代码把「钓鱼且高置信」直接丢进隔离文件夹，根本不用叫醒 GPT-5。真账单加高紧急度送去财务。低紧急度的赞助进每周批处理。只有当 Choice 说这个线程值得回的时候，LLM 才动手写回复。

02 · YouTube 评论：情绪、值不值得回、选题、难度

评论是金矿也是时间黑洞。大部分是噪音。少数是产品反馈，少数是能拍成后续短视频的好问题，还有少数是坑。

state 可以是评论文本、视频标题和简单的互动数据。问题：

• Score：情绪
• Noul：worth_a_creator_reply
• Choice：ignore / heart / public_reply / save_as_video_idea
• Score：question_difficulty，如果是问题的话

具体的例子：一条系统设计视频下面，有人评论「等等，你的队列是怎么做的，重启不会丢任务？」，40 个赞——大概率值回、也值当选题。一条「沙发！」零信号，进 ignore。只有第一类，LLM 才去起草公开回复；Jev 已经先决定这些 token 值不值得花。

03 · 社区 / Skool 帖子：流失风险、要不要回、经验层级、证言

社区帖子是预警系统。有人悄悄写「我卡了两周，没人回」，和一个新人问「入门文档在哪」，不是一回事。

state：帖子正文、成员时长、之前没被回复的次数、角色。问：

• Score：churn_risk
• Noul：needs_team_response_today
• Choice：beginner / intermediate / power_user（经验层级）
• Score：testimonial_strength，当帖子是夸奖的时候

高流失 + 今天要回 → Slack 敲社区负责人。强证言 → 进 CRM 摘录队列（公开引用前仍然要人批）。LLM 可以起草回复的语气；Jev 决定这条回复今天该不该在清单上。

04 · X/Twitter 时间线：突发、干货、AI 垃圾

你的时间线是个消防水龙头。你不需要 LLM 去总结每一条，你需要一个闸，标出这条帖子配得上哪种注意力。

state：帖子文本、作者、粉丝数、是否在你的观察名单、互动速度。问题：

• Choice：breaking_news / golden_nugget / ai_slop / normal / skip
• Score：signal_quality
• Noul：worth_bookmarking

一条内容空洞的「改变一切的 10 个 AI 工具」串、配着转了好几手的截图，拿 ai_slop，死在过滤器里。观察名单上一位研究者的、干巴巴的一手资料帖，可能落成 golden_nugget，打开一条草稿笔记。高互动速度的突发新闻唤醒另一个只负责收集来源的 worker——依然不自动发帖。

05 · 会议：下一步、决定、负责人、截止、火药味

逐字稿很长。价值在五个结构化字段，不在又一篇总结散文。

会后，state = 逐字稿分块，或者你那个记录工具吐出的原始要点。问：

• Choice（多轮或逐条）：这是 next_step、decision、parking_lot，还是噪音？
• Noul：owner_was_explicitly_named
• Score：deadline_clarity
• Score：interpersonal_tension（这样在机器人给任何人发邮件之前，人会先看过火药味重的那几条）

例子：「Alex 周五前把定价页上线」变成一条 next step，负责人 Alex，截止清楚。「我们是不是该找个时间重新想想 onboarding」变成 parking lot，截止清晰度很低——不会凭空造出一个 Asana 任务。张力高 + 要发公开 Slack → 人工闸。

06 · 视频素材：片段质量、钩子强度、可引用金句

把长视频翻拍成短片，大部分工作是过滤。剪辑师会花几个小时去找钩子，而这个活便宜模型可以先打一遍分。

state：片段窗口的逐字稿、你已经提取好的响度/场景变化特征、时长。问题：

• Score：clip_quality
• Score：hook_strength（前 3 秒）
• Noul：contains_quotable_line
• Choice：reject / shortlist / editor_review

只有进了 shortlist 的片段才让 LLM 去写标题和封面文案。被拒的片段永远碰不到贵模型。最终剪辑还是剪辑师在做——Jev 只是把垃圾堆清空了。

07 · 合同：条款类型、风险、红旗

律师（以及创始人兼律师）第一遍不需要模型重写整份 MSA。他们需要分诊：这是什么条款、有多辣、今晚该不该有人读它。

state：条款文本、合同类型、对方规模、如果能拿到就加上司法辖区标志。问：

• Choice：payment / liability / ip / termination / other
• Score：risk
• Noul：contains_red_flag_language（无限责任、意外的自动续约、奇怪的管辖地等）

高风险 + 红旗 → 标出条款，抬给律师。低风险的付款样板 → 归档走人。在 Jev 判定这条值得解释之后，LLM 再用大白话解释一遍。

08 · 招聘 / 线索：质量、红旗、下一步

入站是不对称的：大部分消息是来试水的，少数是真预算但语法很差。

state：表单字段或者私信文本、公司规模的线索、来源、有没有提预算和时间线。问题：

• Score：lead_quality
• Noul：has_red_flags（白嫖范围、「曝光换合作」、只用加密货币这类怪东西——按你的台子自己定义）
• Choice：ignore / nurture / book_call / send_case_study

只有高过你置信度下限的 book_call 才能拿到日程链接。其余的发模板，或者不回。这条和下面的创始人台案例配套使用。

09 · 想法倾倒路由器：语音备忘归到生活区块

你一边走路一边录了两分钟语音。Whisper（或任何 ASR）给出文本。然后呢？大多数人粘进备忘录，然后就丢了。

state：逐字稿 + 时间点 + 可选的「我在工作模式」标志。问题：

• Choice：task / idea / journal / errand
• Score：priority
• Noul：has_deadline_signal
• Choice：work / health / family / money / creative（生活区块）

例子：「提醒我周四之前把发票发给 Nova，另外我一直觉得 onboarding 视频应该用失败案例开场」——拆成两条：一条带截止信号的高优先工作项，一条没有截止的创意。你的任务应用和灵感箱保持干净，不用手工分拣。

10 · 客服：紧急度、情绪、分类、团队

所有工单都是 P1 的时候，支持队列就死了。Jev 干的是人以前用宏做的第一遍。

state：工单文本、套餐档位、账号年龄、历史工单数。问题：

• Score：urgency
• Score：sentiment
• Choice：category（billing / bug / how_to / abuse）
• Choice：team（L1 / billing / eng_oncall）

愤怒的企业账单问题和免费用户平静的「怎么弄」走的是两条路。不确定的工单（置信度低于你的下限）抬给更大的 LLM 或者人——和后面那套审核级联是同一个模式。

11 · 实时交易：每秒判涨、跌、不清

这个最容易浪漫化，也最容易炸。当成纸面交易逻辑和研究来做，别当成 alpha 的承诺。

每一秒（或每根 bar），state = 你已经信得过的那几个特征：收益率、点差、交易时段标志、你自己的指标向量——不是一段凭感觉的描述。问：

• Choice：up / down / unclear
• Score：confidence_band（或者直接用 Choice 的置信度）
• Noul：within_risk_limits_to_act

只有当 Choice 不是 unclear、置信度过你的下限、风险 Noul 为真时，代码才下单（纸面单）。其余一律空仓。重点不是 Jev「预测市场」，而是你的循环不再每分钟叫 60 次聊天模型来说「可能吧」。

12 · Agent / 浏览器 / 游戏里的决策：先决定，再交出去执行

浏览器 agent 和游戏 agent 有一个共同的失败模式：大模型既选下一个动作，又把它讲出来。这等于把 System One 和 System Two 混在一次昂贵的调用里。

模式是：Jev 看 state（DOM 摘要、背包、目标、上一个错误），在合法动作菜单上返回一个 Choice。再由一个更小的专用模型（或者纯代码）去点、去输入、去走那一步。

{
  "goal": "Find a refundable flight under $400",
  "url": "https://example-airline/search",
  "visible_actions": ["click_filter", "type_destination", "submit_search", "back", "stop"],
  "last_error": null
}

Jev 选 type_destination，另一个模型填字段。Jev 选 submit_search，代码来点。你把生成从决策路径上拿掉。正经的浏览器栈演示多时的便宜控制循环，干的就是这件事。

七、工作台上真正在跑的流程

上面十二个是地图。下面这三个是我们内容台和创始人台上真在用的路线。

F · 病毒式传播 / 内容台的门

在你的写手为一个回复或引用帖烧 token 之前，先过一道闸。状态长这样：

state = {
    "post_text": original[:2000],
    "views": views,
    "likes": likes,
    "author": handle,
    "watchlist": True,
    "floor_views": 5000,
}

三个问题：Choice 在 skip / draft_short / draft_full / escalate_human 里选；Score 打 viral_fit（低 → 高）；Noul 判断 safe_to_engage_without_human，默认 false，也就是交给人。

低于浏览底线或者不在观察名单 → skip。很契合 → LLM 起草一条短回复或长回复，放进待审文件夹，你按下发布。

Jev 决定，LLM 写，人来发。这条是常设规矩，在这个账号上不容商量：绝不自动发到 X。

G · AI 创业者的线索 / 入站评分

私信和表单填写看上去都一样，直到它们不再一样。把消息、来源、以及任何公司画像的碎屑打包进 state。给紧急度和线索质量打分；Choice 在 ignore / nurture / book_call 里选。

只有高置信的 book_call 打开日程路径，其余的发培育模板，或者不回。你的贵模型在闸后面写那条定制回复，而不是替掉这道闸。

H · 支持 / 货到付款 / 评论审核的三级分流

第一遍是 Jev：垃圾是/否、类别 Choice、毒性 Score。确定的垃圾 → 代码删掉或隐藏。灰区（置信度低于大约 0.85，或信号互相矛盾）→ 更大的 LLM 或者人。清清楚楚的「我怎么重置密码？」→ 宏回复。

这和人们在钓鱼邮件分诊上演示过的是同一套级联：前面一道便宜的闸，贵模型只碰模糊的那一片。审核要快，又不能因为一个自信的误报就把真客户干掉，靠的就是这个。

八、成本现实（别照抄 demo）

开发者们引用的 TypeSafe 公开价格：输入大约每百万 token 0.042 美元，输出免费。按每个决定约 1k token 算，一万个决定大概 0.42 美元。做表格之前先去核当前文档——价格会动。

下面这些是别人公开报出来的（demo 或推文串，不是我们实验室的数字）：

• Browser Use + Jev 风格的循环找机票，大约 7 秒、约 0.0039 美元
• 上千篇论文的分类，大约 0.08 美元，中位延迟约 256 毫秒
• 五百封邮件过一遍，三个半美分左右
• 上下文压缩的 demo：一个很大的 Claude 会话，约 1M token 压到约 86k，耗时约一秒

把这些当成「它能做到」的证据，不是 SLA。要盯的是每个完成任务的美元数，不是每次 API 调用的美元数。一个便宜但错误的分叉，订错航班或者删错评论，照样很贵。

九、真正的 alpha

诀窍不在于 demo 快或者账单小，而在于你发现循环里有那么多调用，本来就不需要生成。

让 LLM 去调研、规划、写作。让 Jev 去路由、打分、批准、升级。让代码去执行，带上限、存进度，不可逆的步骤留给人。

这周就从一件重复发生的判断开始。量它的成本和延迟。然后换掉下一个分叉。

文中例子只作示意，价格、访问政策、第三方说法都会变，用之前自己核一遍。不构成专业建议。

觉得有用的话收藏、转发，关注 @beaver_0x 看更多 alpha 和 AI 工具。