什么是 System One Model（Jev）— TypeSafe AI

为何构建 System One？

许多 Agent 栈把所有任务都交给生成式 LLM。当需要路由或过滤决策时，自由文本输出的波动常会打自动化流水线。TypeSafe AI 推出 Jev 等 System One 模型，专门承接这些高频决策任务。

从后端视角看，痛点很常见：解析失败、枚举漂移、重试放大成本。专用决策模型能缩小运维面。接入模式可参考 Jev SDK 指南。

System One Model 不是什么

System One / Jev 不能替代对话 LLM。它不能写长文、做开放式聊天或深度复杂推理。它是与生成式模型配合使用的专用决策模型。常见误解见 常见问题 。

Jev System One 的核心特性

1. 相同输入下输出确定性更高
2. 结构化决策响应
3. 针对分类、评分、路由优化
4. 输出方差低于标准 LLM

相关术语见 Jev 术语表，含 Decisions not strings。

开发者权衡

放弃自由文本生成

这是有意为之。若产品需要叙述性回答，应保留 System Two 模型；若需要稳定枚举、分数或分支，Jev 通常是更合适的默认选项。

必须设计决策空间

输入空间模糊时，手写规则容易变脆。决策模型只有在代码里定义允许结果与置信度阈值时才有用。标签含糊，自动化就会含糊。

衡量一致性，而非文采

用固定测试集与重复调用的 agreement rate 评估。不要用聊天机器人标准给 Jev 打分。与现有路由启发式、以及同 schema 下的 LLM 分类器对比。详见 对比页 ，了解应关注哪些指标。