最近在研究 Agent 架构的时候，发现一个很有意思的模型——Jev。
它不能聊天，不会写文章，代码也不写。它只做一件事：下判断。
而且下判断这件事，比大模型快 200 倍，便宜几百倍。
我当时第一反应是：这东西放进 Dify 的 Workflow 里，简直是天作之合。
为什么 Dify 需要 Jev？
用过 Dify 搭 Agent 或 Workflow 的朋友应该有个体感：很多节点其实不需要"生成"，只需要"判断"。
举个例子：
-
用户发来一句话，先判断意图类别（咨询/投诉/售后） -
知识库检索回来的内容，判断是否和问题相关 -
LLM 生成的回答，判断有没有幻觉或违规 -
多个工具返回的结果，判断哪个最靠谱
这些节点你现在怎么做的？大概率是塞给一个 LLM 节点，让它输出 JSON，然后祈祷它格式别出错。
问题很明显：
-
慢：一个判断节点要等 3-10 秒，Workflow 叠个五六层，响应时间就上去了 -
贵：每个判断都消耗大量 Token，其中大部分 Token 是在"解释"答案，而不是给出答案 -
不稳定：结构化输出错误率最高到 45.5%，你还得加一层解析和容错
Jev 就是专门解决这个问题的。
30 秒搞懂 Jev
Jev 是前 OpenAI 研究员 Diogo Almeida（ChatGPT 共同发明人、RLHF 核心研究者）创办 TypeSafe AI 后发布的第一个模型。
核心理念来自卡尼曼的《思考，快与慢》：
-
系统 2（传统 LLM）：慢思考，擅长推理和生成 -
系统 1（Jev）：快判断，擅长分类、打分、是非判断
它只接受三种问题类型：
|
|
|
|
|---|---|---|
| Noul |
|
|
| Choice |
|
|
| Score |
|
|
每次返回都是结构化 JSON，带完整概率分布和置信度，不需要任何解析。
在 Dify 里怎么接？
Dify 接入 Jev 有两条路，根据你的场景选。
路线一：自定义工具（推荐）
最灵活的方式。在 Dify 的「工具」里创建一个自定义 HTTP 工具：
配置要点：
-
API 地址： https://api.typesafe.ai/v1/systemone -
认证方式：Header 传入 Authorization: Bearer {YOUR_API_KEY} -
请求体传入 state（上下文）和questions（问题集） -
响应体直接就是结构化 JSON，下游节点可以直接引用字段
建好之后，在 Workflow 里任何需要"判断"的地方，拖进来就能用。
路线二：HTTP 请求节点
更快的临时方案。直接在 Workflow 里拖一个 HTTP 请求节点，配置和上面一样。适合快速验证想法，但复用性不如自定义工具。
四个实战场景
场景一：智能客服路由
用户消息进来 → Jev 的 Choice 判断属于「售前/售后/技术支持/其他」→ 条件分支路由到不同 Workflow 子流程。
以前这个节点用 LLM，每次调用消耗几百 Token，现在几乎可以忽略不计。
场景二：知识库检索质量把关
RAG 检索回来的片段，先过一遍 Jev 的 Noul："这段内容和用户问题相关吗？"概率低于 0.6 的直接过滤掉，不送进 LLM。
效果：减少幻觉，同时省掉大量无效的 LLM 调用。
场景三：LLM 输出的质检员
LLM 生成回答后，加一个 Jev 节点做三道检查：
-
Noul：是否包含事实性错误？ -
Noul：是否涉及敏感内容？ -
Score：回答质量打几分？
不达标的走重试或降级处理，达标的直接输出。成本几乎为零，但整个 Agent 的可靠性上了一个台阶。
场景四：模型路由（省钱大杀器）
先用 Jev 判断任务难度：
-
简单查询 → 路由到便宜的小模型 -
复杂推理 → 路由到 GPT-4o 或 Claude
这一步就能砍掉 60-80% 的模型调用成本。
几个要注意的坑
1. Jev 只做判断，不做生成
别指望它帮你写文案、总结文档。它的定位是决策层，不是生成层。
2. 只支持文本输入
图片、音频不行。如果需要多模态判断，得先用其他模型转成文本再喂给 Jev。
3. 上下文上限 64K Token
state 加上最长的问题合计不超过 32K。绝大多数判断场景绑绑够用了。
4. 开源替代：Nimble
如果不想依赖 API，可以看开源项目 Nimble（基于 Qwen3.5-9B 微调，Apache 2.0 协议），本地部署，准确率稍低但完全可控。
写在最后
Agent 架构演进到 2026 年，大家已经不再追求"一个模型干所有事"。
更细的分工、更低的成本、更可靠的输出——这才是生产级 Agent 的方向。
Jev 不是一个通用模型，它是 Agent 流水线上的"质检员"和"调度员"。把它嵌进 Dify 的 Workflow 里，你会发现那些又慢又贵的判断节点，突然变得又快又便宜。
大模型负责"想"，Jev 负责"判"，各司其职。
这才是 Agent 该有的样子。
关键词：#Jev #Dify #AIAgent #SystemOneModel #Workflow #模型路由 #智能客服 #RAG优化 #Agent架构 #降本增效
Dify嗨聊
