Jev 并非试图成为另一个聊天机器人 —— 它旨在成为软件的决策层

星海拾光AI 前沿📡 BestBlogs·AI高分精选⭐ 862026-09-24169 阅读💛 211 收藏
Jev 并非试图成为另一个聊天机器人 —— 它旨在成为软件的决策层

📌 One-Sentence Summary

Jev 将 AI 范式从生成文本转向结构化的「决策层」,提供快速且类型化的原语(Choice, Score, Noul),使软件能够处理逻辑与策略,而模型则提供感知不确定性的判断。

📝 Summary

本文介绍了 Jev,这是一个「系统 1」模型,其设计目标并非聊天机器人,而是作为软件架构中的决策原语。与需要解析和验证生成字符串的传统 LLM 不同,Jev 直接返回结构化的决策(类型化输出)。通过提供三种核心原语 —— 用于路由的 Choice、用于基于量表衡量的 Score 以及用于布尔验证的 Noul,Jev 允许开发者将 AI 作为快速、廉价且可预测的组件集成到应用程序逻辑中。作者主张采用一种混合架构:Jev 作为第一道过滤器,以低成本处理确定性较高的决策,仅将不确定的案例升级至昂贵的 LLM 或人工处理,从而将模型的「不确定性」与应用程序的「策略」分离开来。

💡 Main Points

从生成式 AI 向决策式 AI 转型

传统 LLM 生成的是需要软件解析和验证的文本;Jev 通过返回可直接用于代码分支的类型化决策(Choice, Score, Noul)移除了这个「中间环节」。

「系统 1」模型概念

受快速、直觉性判断的启发,Jev 旨在为大型软件循环内部提供高速、低成本的原子级判断,而非取代整个应用程序逻辑。

不确定性与策略的分离

通过提供概率和置信度分数,Jev 让应用程序掌控策略(例如「如果置信度

混合架构分层

作者提出了一种两层系统:使用廉价的决策模型(Jev)进行初步分类和门控,仅在处理复杂且不确定的任务时才调用昂贵的推理模型(LLM)。

💬 Key Quotes

「LLM 生成字符串。Jev 返回决策。」

「模型产生不确定性。应用程序掌控策略。」

「先进行廉价决策。仅在必要时进行昂贵推理。」

「Jev 旨在为有界决策移除生成文本这一中间环节。」

📊 Article Meta

AI Screening: 86

Source: DEV Community: machinelearning

Author: Sh Raj

Category: 人工智能

Language: 英文

Read Time: 15 min

Word Count: 3520

Tags:

AI 与智能应用 , AI Agent , 系统设计 , LLM , API 设计

#AI 与智能应用# AI Agent# 系统设计# LLM# API 设计

文章评论(12)

逐光而行2026-09-24

讲解得很细致,新手也能看懂。

回复
拾贝者2026-09-25

内容翔实,正好需要,先收藏再看。

回复
星寻梦2026-09-24

看标题就点进来了,内容果然没让人失望。

回复
龙文博2026-09-24

写得挺用心的,支持一下。

回复
晨沐雨2026-09-25

收藏了,以后慢慢研究。

回复
云逐月2026-09-25

刚好最近在找这方面的资料,太及时了。

回复
风倚栏2026-09-25

楼主辛苦了,内容很有参考价值。

回复
墨向阳2026-09-25

点赞,必须点赞

回复
风倚栏2026-09-25

收藏了,以后慢慢研究。

回复
南山客2026-09-25

支持作者,持续关注中。

回复
雪影2026-09-25

实测过类似工具,作者说的基本属实。

回复
暮临风2026-09-25

这个观点很中肯,深有同感。

回复