实战Jev，别人教你订咖啡，我教你把它接进公众号工作流。

大家好，我是萝卜哥~

最近 AI 圈最火的，应该就是 Jev 了。

它不能写文章，不会写代码，连天都聊不了。就这么一个哑巴模型，几天时间衍生出了几百种玩法，火爆程度堪比 GPT 和 DeepSeek R1 刚出来那阵。

我把现在网上的解析翻了一圈，System One、可组合智能、通往经济革命的最短路径，写得都挺高大上，看完还是不知道这玩意儿跟我每天要干的活儿有啥关系。

所以我自己把 SDK 装上跑了一遍，从零做了两个能用的 Skill：

•一个给公众号标题打分；

•一个在发文前审稿。

今天不讲理论，纯实操。

01Jev 是什么一个专门做判断的模型

STEP先用一句话理解 Jev

这是一家叫 TypeSafe AI 的公司在 9 月 15 号发布的模型，创始人 Diogo Almeida 是 ChatGPT 和 RLHF 的共同创造者之一，之前在 OpenAI。

它是一款 System One 模型，专门干判断类的活儿。

你把状态扔给它，再配一份问题清单，它就会一次并行返回一组带概率的答案。

它比前沿 LLM 快 40 到 200 倍，输入 4 毛 2 每百万 token，输出免费。

更重要的是，它在数学意义上不会出现传统 LLM 那种输出空间幻觉。

你告诉它答案只能在 refund、technical_help、other 这三个选项里选一个，它就没法蹦出第四个。

这跟 GPT 加一堆 JSON Schema 校准是完全不一样的

•GPT 那套是要求它输出合法结构；

•Jev 是根本不给它输出其他可能。

Jev 和一般 LLM 的本质区别：不是让模型“尽量答对”，而是提前把答案空间限制在可控范围内。

嘿嘿，我相信看到这里，你肯定是蒙的，这东西这么好，具体怎么用啊？

别急，下面来看看怎么用。

02三种原语先把问题拆成模型能判断的形状

Jev 主要有三种原语。

Noul判断是不是

第一种叫 Noul，本质是 是否题。

你问它一个能用“是”或“否”回答的问题，它返回“是”的概率。

比如：

这段评论有平台合规风险吗？

它会给你一个 0 到 1 之间的数。

适合合规检查、意图确认这类二元筛选。凡是能回答“是”或“否”的场景，都能用这种模式。

Python

Noul(instructions="这个标题读起来有明显的 AI 生成味道吗?")

Choice判断属于哪一类

第二种叫 Choice，本质是 单选题。

你给它一个选项列表，加上每个选项的定义，它返回每个选项的概率。

比如判断一条私信属于哪一类：

•粉丝提问；

•商务合作；

•骚扰；

•朋友消息。

它会一次告诉你每类的可能性。

适合分类和路由。要在一组明确类别里挑一个的场景，用它就对了。

Python

Choice(
instructions="这个标题的营销和标题党程度",
criteria={
"safe": "陈述事实，没有过度诱导",
"marketing": "有营销修辞但仍在正常范围",
"clickbait": "明显标题党，情绪词堆砌",
"severe_bait": "严重标题党，涉嫌虚假承诺",
},
)

Score判断处于哪个等级

第三种叫 Score，本质是 等级评分。

你给它一组从低到高的档位描述，它返回这条数据落在哪个档位。

比如打分点击欲，从“几乎不想点”到“非常想立刻点开”四档，它告诉你这个标题在第几档。

适合打分和优先级排序，判断有明显程度差异的场景，用它就对了。

Python

Score(
instructions="这个标题对目标读者的点击欲望有多强?",
criteria=["几乎不想点", "有点兴趣", "想点开看看", "非常想立刻点开"],
)

STEP三种原语怎么选

三者的核心区别在返回形态

原语	本质	返回结果	适合场景
Noul	是非题	一个概率	合规检查、意图确认
Choice	单选题	一组概率	分类、路由
Score	等级题	一个档位	打分、排序、优先级判断

要是或否，就用 Noul；要分类，就用 Choice；要打分，就用 Score。

STEP一次调用，同时拿到全部答案

核心代码不到 30 行

Python

from typesafe_sdk import Choice, Noul, Score, TypeSafeClient

QUESTIONS = {
"click_appeal": Score(...),
"ai_vibe": Noul(...),
"clickbait": Choice(...),
"compliance_risk": Noul(...),
}

with TypeSafeClient() as client:
resp = client.system_one(
state={"title": title, "platform": "公众号"},
questions=QUESTIONS,
)

比如我拿这套配置跑了 8 个候选标题，它会给出排行前三的标题。

排名前三的是下面这三个

•ChatGPT 之父的新公司，做了个不说话的 AI
marketing 档，合规安全，点击欲 2.52。

•我用 4 毛钱替代了 GPT，省了 90% 的成本
点击欲最高 2.75，但合规风险 0.35，偏高。

•为什么大厂偷偷都在换掉一半的 GPT 调用
悬念钩子，点击欲 2.54。

被 Jev 判为标题党的两条

•“震惊！这个 AI 模型比 GPT 快 200 倍”，合规风险 0.60；

•“赶紧收藏！错过再等一年的 AI 新品类”，合规风险 0.46。

我本来还觉得这俩标题挺带感呢，结果在 Jev 这里直接被干掉了。

当然了，Jev 也可能不了解咱们的国情，标题党还是很吃香的，啊哈哈哈哈。

这套问题设计的骨架，能干的活儿可不仅仅是选标题。
- 评论区分类；
- 私信路由；
- 素材筛选；
- 内容合规检查；
- 发布前质量审核。
只要改一下 QUESTIONS，就能跑在不同流程里。

03WorkBuddy + Jev把判断能力接进日常工作流

这两天翻各种 AI 号，看到的教程一个赛一个炫，7 秒预定机票，AI 帮你订咖啡，一句话生成 30 张 PPT 直接交客户。

你自己想想，普通人一年订几次机票？咖啡走到公司楼下就能买。一年又有几个 30 页 PPT 要天天做？

这些文章，跟风的多，能落地的少。

一个厉害的大模型，最应该干的是让普通人的日常真的顺起来。

选个标题，回一条评论，判一段文字合不合规，这才是我们每天要做的活儿，交给 Jev 也是正合适。

我把标题打分器装成 WorkBuddy Skill，就是奔着这个来的。

让 WorkBuddy 在写文章流程里自己调，不用一次次手动跑脚本。

01五步跟着跑起来

第一步：安装环境

先安装 Python 3.9 以上，再安装 Jev SDK，一行命令就行。

Bash

pip install typesafe-sdk

WorkBuddy 客户端我就默认大家都安装好了哈。

第二步：申请 API Key

去 TypeSafe 官网直接创建就好了，目前已经全面开放。

拿到之后，把它设置成 TYPESAFE_API_KEY 环境变量。

Windows PowerShell：

PowerShell

$env:TYPESAFE_API_KEY="你的key"

Mac 或 Linux：

Bash

export TYPESAFE_API_KEY="你的key"

第三步：本地先跑一次

把 title_scorer.py 存到本地，完整版我放文末了。

运行下面命令

Bash

python title_scorer.py

看到 8 个候选标题按综合分排序输出，流程就通了。

如果跑不通有报错，可以发给其他 AI 大模型看看，比如 GPT 啥的，基本都能解决。

第四步：让 WorkBuddy 帮你创建 Skill

打开 WorkBuddy，点击“添加 Skill”，选择“创建 Skill”，把下面这段话扔进去，它会自动生成脚本骨架和 Skill 描述文件。

我要一个用 TypeSafe Jev 给自媒体标题打分的工具。输入是标题列表加正文摘要，输出每条的综合分和排序，附带四个子维度分：点击欲和 AI 味两个 Noul，标题党程度用 Choice，合规风险用 Noul。SDK 用 typesafe-sdk，API key 从环境变量 TYPESAFE_API_KEY 读取。

当然，提示词里最好把下面这一段也放进去，要不然 WorkBuddy 不一定知道 QUESTIONS 要怎么写。

JSON

QUESTIONS = {
"click_appeal": Score(
instructions="这个标题对目标读者的点击欲望有多强?",
criteria=["几乎不想点", "有点兴趣", "想点开看看", "非常想立刻点开"],
),
"ai_vibe": Noul(
instructions="这个标题读起来是不是有明显的 AI 生成味道(套话、生硬、模板感)?",
),
"clickbait": Choice(
instructions="这个标题的营销/标题党程度",
criteria={
"safe": "陈述事实,没有过度诱导",
"marketing": "有营销修辞但仍在正常范围",
"clickbait": "明显标题党,情绪词堆砌",
"severe_bait": "严重标题党,涉嫌虚假承诺或耸动",
},
),
"compliance_risk": Noul(
instructions="这个标题是否有平台合规风险(违规词、医疗金融过度承诺、诱导等)?",
),
}

第五步：验证是否跑通

在 WorkBuddy 对话框里说下面这句，看到正常输出打分表，就算完成了。

使用刚刚的 Skill，帮我为下面几个标题打分。
“ChatGPT 之父的新公司，做了个「不说话的 AI」”
“震惊！这个 AI 模型比 GPT 快 200 倍”
“Jev 是什么：5 分钟看懂 System One 模型”
“我用 4 毛钱替代了 GPT，省了 90% 的成本”
“AI 玩 Doom 背后的真相：一个新物种诞生了”
“赶紧收藏！错过再等一年的 AI 新品类”
“为什么大厂偷偷都在换掉一半的 GPT 调用？”
“TypeSafe Jev 深度评测：优点、缺点、适用场景”

可以看到，整体排名和我们最开始的测试脚本还是有区别的，但第一名都是，“ChatGPT 之父的新公司，做了个不说话的 AI”

两边都把它顶到了榜首。

Python 版把“震惊！这个 AI 模型比 GPT 快 200 倍”排到第 4，WorkBuddy 版则压到第 8，直接垫底。

“TypeSafe Jev 深度评测”反过来，Python 版垫底，WorkBuddy 版拉到了第 2。

其实造成这种差异的根本原因，就是给到 Jev 的综合判定公式不一样。

•Python 版是点击欲优先，高点击欲能救带风险的标题；

•WorkBuddy 生成的公式是合规优先，标题党档位罚得狠，“震惊！”直接被压到底。

两种策略没有对错：

•想稳，就合规优先；

•想搏，就点击欲优先；

•号刚起做流量，可以偏向后者；

•号做稳了防降权，可以偏向前者。

具体用哪种，需要自己按账号阶段选择。

Jev 的边界：Jev 只负责给你四个类型化、校准过的原子判断。
怎么把这些判断合成综合分，是你自己的事。
同一批 Jev 输出，套上一百种公式，就有一百种排名。这是 Jev 的价值，当然也是 Jev 难以把控的地方。

04串起完整流程从写文章到发草稿箱

还是公众号流程，我们把几个 Skill 串起来用。

在 WorkBuddy 中输入：

帮我写一篇公众号文章，主题是 Jev 入门科普，要深入浅出，普通人也能看懂。然后使用 lieflat-less-ai-tone 去除 AI 味，再基于正文生成 15 个候选标题，用 jev-title-scorer 打分。合规风险高于 0.4 的直接淘汰，剩下的推荐 Top 3 给我。再使用“文章视觉导演”为文章配图和生成封面图片，然后使用“萝卜排版”进行文章排版，最后直接发到公众号草稿箱。

WorkBuddy 会自己规划：

1.写正文；

2.去除 AI 味；

3.生成候选标题；

4.调用 jev-title-scorer 打分；

5.过滤高风险标题；

6.排序并报告结果；

7.生成配图和封面；

8.完成文章排版；

9.通过公众号连接器发送到草稿箱。

一句话，从选题写到发布走完，是不是很清爽啊。

05进阶玩法让 Jev 当发布前守门员

标题打分器解决的是一个具体活儿，其实它还能做更多。

比如，把它变成 WorkBuddy 的 内容守门员。

WorkBuddy 可以调用各家大模型干活，但 GPT、Claude、DeepSeek 有时候都会瞎编，写出来的东西也常带套话味，偶尔还会漏掉合规判断。

让另一个 LLM 帮它 Review：

•成本更高；

•速度更慢；

•还有可能陷入幻觉循环。

这个时候，Jev 就派上用场了。

它便宜到可以在每次输出前都跑一遍，速度快，几乎不影响整体输出时间。

这正是它适合做发布前审核的原因。

我把这套东西也做成了一个 Skill，叫 jev-review-content。

它会审核四个维度：

•AI 味重不重：Noul；

•合规风险大不大：Noul；

•事实错误程度：Score；

•内容完整度：Score。

最后综合判定一个 verdict。

verdict	含义	处理方式
pass	审核通过	直接进入下一步
minor_edit	小问题	修改后再发
major_rewrite	问题较大	重写相关内容
block	不建议发布	拦截并人工处理

审一次只需要几分钱。

01三步接入 WorkBuddy

前面环境已经准备好了，现在直接开始。

第一步：本地跑一次验证

把 jev_review_content.py 存到本地，用一段故意灌 AI 味的样本跑一下。

Bash

echo "大家好，我是萝卜哥。今天分享一个好用的 AI 工具，赋能大家的工作。" | python jev_review_content.py

看到 verdict 是 major_rewrite 或 minor_edit 就通了，说明它已经识别出这段话套话多、AI 味太重。

第二步：创建第二个 Skill

在 WorkBuddy 里同样点击“添加 Skill”，选择“创建 Skill”，把下面这段话扔进去。

jev_review_content.py 附件是我做的基于 Jev 的内容审核 Skill 脚本。你帮我把它做成一个真正可以调用的 Skill，然后审核一下，看看是不是真的能发挥作用。

第三步：把两个 Skill 串起来

在 WorkBuddy 对话里试这句，感受一下完全体。

附件是我写的一篇公众号文章，先跑 jev-review-content 审一遍。verdict 是 pass，就用 jev-title-scorer 生成 8 个候选标题打分，推荐 Top 3 给我选。verdict 不是 pass，就针对得分最低的维度重写那段，最多迭代 3 轮。

到这里，我们就全部跑通了。

选题、内容审核到发布，整套自动化流程越来越完善。

STEP多轮迭代 Review

还有一个很棒的模式，就是多轮迭代 Review。

第一轮先给出基线分，没通过，就让 WorkBuddy 针对最低维度改一遍，然后把上一轮的结果传进去，再跑第二轮。

Skill 会自动对比两轮变化。

比如

AI 味从 0.89 降到了 0.34。

这种呈现，比一个综合总分更能指导下一步该改哪儿。

另外，设置一个最大轮数，就不会陷入死循环。

其实这种审核思路已经有人做了代码侧的 MCP 版本，叫 NiazMorshed2007/jev-review，专门给 Cursor、Claude Code 这类编码 Agent 使用。

WorkBuddy 本身是综合 Agent，既写文章，也写代码。

你要是两条活儿都交给它，把那个 MCP 挂上，再配合我们这个内容侧的 Skill，两个组合起来就是全域守门员方案。

WorkBuddy 干活，Jev 守门，你只需要审核最后一步。

06写在最后把该判断的事情单独切出来

Jev 其实没那么神秘。

约束输出、概率校准这些零件，前几年就零零散散有人在用了，只是得自己攒，攒完还不一定稳。

Jev 干的事，是把它们包成一个干净的接口。你调一下，就能拿回一个可控的判断。

真正让我觉得值的地方，是这个接口逼着我重新切了一遍自己的工作流程。

哪些环节是真的需要模型自由发挥去表达？

哪些环节我其实只想要一个判断？

还有一类活儿，压根用不上 AI，写几行确定性的代码就干完了。

以前，这三种活儿全挤在一次大模型调用里，出了问题都找不到该怪谁。

切开之后，

•表达的归表达；

•判断的归判断；

•剩下的交给代码；

•各自的成本和出错方式都清清楚楚。

但是具体怎么切，Jev 不会替你决定。

它只负责把切出来的判断那一段跑得又快又便宜，切在哪儿，还是你自己决定。

打分和审稿这两个 Skill，只是我切出来的两块。

你日常的工作流里，肯定也有几个值得分出来的地方，建议现在就试一下。

行不行的，切一刀就知道了。

---

以上就是今天的分享，觉得有帮助，帮请帮一键三连：点赞、转发，再看和留言，你的反馈对我很重要！