System One
System One
System One 模型为软件做出快速的结构化决策。Jev 是 TypeSafe 的旗舰模型，也是首个 System One 模型。
System One 模型是一类 AI 模型，专为做出软件可以直接使用的快速结构化决策而构建。System One 模型针对一个状态求值，返回类型化的答案和概率分布。
Jev 是 TypeSafe 的旗舰模型，也是首个 System One 模型。
和 LLM 一样，System One 模型能理解自然语言输入。区别在于它返回的是类型化决策和概率分布，而不是生成的文本。
它和 LLM 有何不同
System One 模型是冲着校准过的决策来训练的：它们的概率针对真实结果做优化，以反映不确定性。校准是在成组的预测上衡量的；它不保证单次答案一定正确。
System One 模型不写回复、不产出代码，也不解释自己的推理过程。可能的答案由你通过原语定义：
| 原语 | 问题 | 示例答案空间 | 示例输出 |
|---|---|---|---|
| Choice | 这张工单该由哪个团队处理？ | billing、technical 或 account |
choice: "billing" |
| Score | 这位客户有多不满？ | 0 = 平静，1 = 不满，2 = 非常不满 | score: 1.4 |
| Noul | 这条消息是在要求退款吗？ | 真或假 | noul: 0.95 |
这些只是示意用的配置和取值。原语各页会介绍可用的配置项和完整的响应字段。
想了解 System One 模型如何工作、如何训练，读 AI 入门。
更大工作流里的快速判断
面对一个退款请求，你的应用可以：
- 构建一个状态，里面包含客户消息、相关交易和退款政策。
- 把相互独立的问题一起提出：是否请求了退款、证据是否指向重复扣款、政策是否支持退款。
- 在代码里把答案和确定性的检查结合起来，再把案例路由到执行或复核。
看过原语如何运作之后，你就可以把它们组合成更大的系统。System One 模型返回的是类型化、受限的输出，而不是自由文本，所以你的代码可以检查这些答案，并把它们组合成可预测的工作流。完整流程见如何用 TypeSafe 构建。
System One 模型的答案还带有置信度，你能据此决定什么时候直接行动、什么时候升级给人工或推理模型。
调用 System One 模型
可以通过我们的客户端 SDK调用 System One 模型，也可以用 HTTP API 里的 POST /v1/systemone。model 字段决定由哪个模型处理请求。这些文档里的示例都用 jev-latest，它也是 SDK 的默认值。可用的模型、价格和别名见模型。