【工具】自动调查工具:Jev

· 2026-11-02 09:46 · 9 阅读

原创 丁爸 2026-11-02 09:46 美国

Jev 是什么?https://treg.to/jevJev 是 TypeSafe 公司开发的一个决策模型(Decision Model)。

Jev 是什么?

https://treg.to/jev

Jev 是 TypeSafe 公司开发的一个决策模型(Decision Model)。它的定位非常明确:不做文本生成,只做概率判断。你给它一个 JSON 状态和一组类型化的问题(选择题、是非题、评分题),它会在 1 秒以内返回每个选项的概率分布。


核心功能

1. 三种问题类型

类型说明示例
choice从你定义的选项中选一个,并给出每个选项的概率"该工单应该路由到哪个部门?" → billing / technical / sales
noul二选一的概率判断(类似 yes/no)"这条消息是否试图绕过安全规则?" → true / false
score在有序评分标准上打分,返回每个等级的概率及加权均值"这条帖子的互动数据有多真实?" → 0(明显操纵) ~ 3(明显有机)

一次请求可以同时问多个问题,Jev 会一次性全部回答。

2. 输出的是概率,不是文本

这是 Jev 与普通 LLM(如 GPT、Claude)最本质的区别:

  • LLM:逐 token 生成文本答案 → 你的代码需要解析文本 → 可能产生幻觉或格式错误
  • Jev:直接返回结构化概率分布 → 你的代码只需比较数值与阈值 → 不可能生成选项列表之外的内容

3. 极速且低成本

与最便宜的聊天模型(GPT-5.6 Luna)对比:

输入规模费用对比速度对比
2k tokens5.8× 更便宜7.0× 更快
8k tokens5.8× 更便宜5.9× 更快
16k tokens5.8× 更便宜6.1× 更快
32k tokens5.7× 更便宜4.5× 更快
  • 单次决策费用约 $0.000018 ~ $0.000076
  • 列表定价:每百万输入 token 仅 $0.042
  • 响应时间稳定在 0.38~0.51 秒,不受输入规模显著影响(因为它不"写"东西)

主要特点

✅ 能做什么

  • 选择/分类:从预定义选项中选一个,附带概率
  • 评分/排序:对有序等级打分,支持加权均值
  • 是/否判断:以概率形式输出二元判断
  • 基于置信度路由:每个答案都带置信度,你的代码设阈值决定路由策略
  • 读取 JSON:能理解表格、列表、工单历史等结构化数据
  • 实时决策:速度够快,可以嵌入游戏循环、页面加载等实时场景
  • 批量审核:以极低单价对大量数据进行判断(如 586 页 SEO 审核仅 $0.21)

❌ 不能做什么

  • 不能写文本(句子、段落、代码)—— 那是 LLM 的活
  • 不能自我解释 —— 概率分布本身就是解释
  • 不能逐步推理 —— 你需要把步骤写成多个问题
  • 上下文限制约 30k token —— 超长输入需要分块或先摘要
  • 不能联网获取数据 —— 需要搭配 treg 等工具
  • 无状态 —— 每次请求独立,历史记录需放入 state 中

典型应用场景

  1. GTM 自动化:筛选 LinkedIn 帖子、评估评论者质量、评分线索
  2. 注册审核:对新增用户进行分类(企业/个人/欺诈/网红),配合邮箱验证
  3. X/Twitter 内容监控:实时检测病毒式传播帖子,区分有机推广与付费推广
  4. 网页/电脑操作:读取页面元素表,一步决定"做什么操作+操作哪个元素"(如 browser-use/jev-ultrafast)
  5. 实时游戏 AI:在游戏循环中每帧做出决策(约 0.35 秒/$0.00002)
  6. 搜索增强:用自然语言对数据进行过滤和排序,无需向量索引
  7. 安全护栏:一次请求检测越狱、有害请求、医疗建议、自残倾向等多项风险

调用方式

  • 通过 Vercel AI Gateway 调用:POST 到评估模型端点
  • 也在 OpenRouter 上可用(模型 ID: typesafe/jev-1.13)
  • 常与 treg(4000+ 数据端点平台)搭配使用:treg 负责取数据,Jev 负责做决策

一句话总结:Jev 是一个专注做"判断"的 AI 模型——它不写文章、不聊天,而是以极快的速度和极低的成本,对输入内容做出概率化的分类、评分和是非判断,让你把昂贵的 LLM 用在真正需要"生成"的地方,而把"判断"交给 Jev。

Jev 本身是 TypeSafe 开发的决策模型,它不直接联网获取数据,而是通过与 treg 平台对接来连接各类外部工具和数据源。treg 提供了 4,080+ API 端点,覆盖 113 个平台和 121 个提供商,Jev 基于 treg 获取的数据做出概率化判断。


一、treg 工具目录(Jev 的数据源)

treg 的工具目录分为 11 大类:

类别说明代表平台/工具工具数量
Enrichment(数据丰富)人物与公司记录查询公司数据、人物联系数据、创作者/网红、Crunchbase537个
SEO/AEO搜索排名、关键词、反向链接Google Keyword Data、Google Search Console、Google Analytics、AI Visibility477个
Social(社交媒体)帖子、个人资料、评论TikTok、Instagram、YouTube、X(Twitter)、LinkedIn、Reddit、抖音、Facebook764+个
Advertising(广告)广告库与创作者市场Google Ads、Meta Ads、Google Tag Manager202+个
E-commerce(电商)商品列表、价格、卖家Amazon、淘宝/天猫、京东、TikTok Shop、Walmart70+个
Reviews & Apps应用商店与评价网站Apple App Store、Google Play、Trustpilot、IMDb、Tripadvisor、Yelp53+个
AI Generation(AI生成)视频、图像、语音、音乐模型视频生成、图像生成、语音生成、音乐生成、AI评判284个
Community(社区)论坛与聊天平台Slack、Telegram、Hacker News、Product Hunt、Indeed、Remote OK25个
Developer(开发者)开发与代码平台GitHub、包注册表、Stack Overflow16个
Market Data(市场数据)金融与市场数据加密货币市场、股票市场、其他市场数据74个
Research & Public Data(研究与公共数据)学术、健康、百科等学术文献、健康与生物医学、Wikipedia、经济指标、Medium、Substack、天气14个


二、Jev 的调用通道

Jev 本身通过以下通道被调用:

  • Vercel AI Gateway — 主要调用入口,POST 到评估模型端点
  • OpenRouter — 模型 ID 为 typesafe/jev-1.13

三、可接入 Jev 的 AI 代理/编程工具

Jev 可以嵌入以下 AI 代理的工作流中:

  • Claude Code — Anthropic 的代码代理
  • Codex — OpenAI 的代码代理
  • Hermes — 开源代码代理
  • OpenClaw — 开源代理框架

四、Jev 工作流中常见的第三方工具(从使用案例中提取)

用途工具
邮箱查找与验证Hunter
人物丰富Lusha
联系搜索Apollo
融资与投资方数据Crunchbase
公司画像Clearbit
关键词追踪Semrush、Serpstat、SpyFu
社交媒体发布Postiz(支持 X、Instagram、LinkedIn、YouTube)
广告管理Optmyzr(Google Ads)、Revealbot(Meta Ads)、Madgicx(TikTok Ads)
广告库查询Meta Ad Library、Google Ads Transparency
视频生成Seedance 2.5、Gemini 3 Pro Image、GPT Image 2.5、Veo 3.1、Wan 3.0
图像生成Flux、Seedream(通过 Replicate)

总结

Jev 的连接生态可以概括为:Jev(决策模型) + treg(4,080+ 数据工具枢纽) + AI代理(Claude Code/Codex等)。treg 充当"数据中间层",把各类外部 API 统一成一个 token 即可调用;Jev 则读取 treg 获取的数据,做出分类、评分、是非判断等决策。两者配合,再加上你的代码逻辑,就构成了一个完整的"数据获取→AI决策→自动执行"闭环。

点击下面👇阅读原文👇直达工具官网

长按识别下面的二维码可加入星球

里面已有万余篇资料可供下载

续费五折优惠

图片

图片

阅读原文

跳转微信打开

本文转载自微信公众号「丁爸情报分析师的工具箱」,查看原文。版权归原作者所有,如有侵权请联系删除。