01 Choice
選択肢から 1 つ選ぶ。問い合わせを請求、技術サポート、営業に分類。選択結果、各選択肢の確率、confidence を受け取ります。
choice: "technical" 独立した実践ガイド
Jev AI を、
わかりやすく。
独立した AI 実践ガイド。Jev の役割と適したタスクを理解し、最初の質問を実際に動くアプリケーションへつなげましょう。
入力状態 → 判断
入力01
JevSystem One
Choice どのチームが対応すべきですか？
構造化された回答02
"technical"モデルの出力 アプリの処理振り分け・確認
説明用の例 · API の実測結果ではありません
型付きの判断 Choice · Score · Noul
テキストから構造化された回答へ 制御はコードの側に
独立した視点 具体例・出典・制限
01 / 基本から始める
Jev AI とは？
Jev AI は、TypeSafe AI が開発した構造化された判断のための System One モデルです。state と呼ばれる文脈と型付きの質問を渡すと、ソフトウェアで直接使える選択肢、スコア、または「はい」の確率を返します。文章の作成や処理の実行は行いません。結果の検証、しきい値の適用、次の動作はコードが担当します。
例えば、連携機能が動かないという問い合わせを考えます。返信メールを書かせる代わりに、対応チームを選ぶ質問をします。Jev は指定された選択肢から回答し、アプリケーションがチケットを振り分けるか、人の確認に回します。
TypeSafe AI · System One02 / Jev の仕組み
状態から、制御できる処理へ。
Jev のリクエストでは、モデルの判断とアプリケーションの処理を分けます。Jev は与えられたテキストについて型付きの質問に答え、検証、しきい値、権限、実行はアプリケーションが担当します。
- 01
判断を一つに絞る
問い合わせをどのキューへ送るか、文章が基準にどの程度合うか、特定の条件を満たすかなど、業務上の意味が明確な質問にします。無関係な判断を一つのラベルにまとめません。
- 02
必要な state だけを渡す
判断に必要なテキストと文脈を送ります。Jev は構造化されたテキストを扱えますが、文脈が多いほど良いとは限りません。検索はコードで行い、信頼できない本文と指示を分離します。
- 03
回答の型を選ぶ
明示した選択肢から選ぶなら Choice、説明付きの順序尺度なら Score、はい・いいえの条件なら Noul を使います。アプリケーションが必要とする判断に型を合わせます。
- 04
実行前に検証する
Jev の回答型と範囲を確認し、モデルのバージョンを記録し、不明確または無効な結果は人に回します。認証、権限、計算、保存、外部処理は通常のコードに残します。
03 / Choice, Score, Noul
3 種類の質問。
質問を絞り、適切な回答形式を選び、実行は通常のコードに任せます。同じ state に対する複数の質問を、1 回のリクエストで送れます。
02 Score
明確な段階で評価する。落ち着いている、不満がある、非常に怒っているなどの順序付き段階を定義し、スコア、各段階の確率、confidence を読み取ります。
score: number 03 Noul
「はい」の確率を求める。緊急のメッセージかを質問すると、0〜1 の確率が返ります。処理を行うしきい値はコードで決めます。
noul: 0…1 04 / タスク適性チェック
このタスクに Jev は合う？
実装前にタスクの形を確認します。API は呼び出さず、精度も予測しません。制御された判断フローに必要な条件がそろっているかを確かめるためのチェックです。
05 / 最初の Jev ワークフロー
役立つ最初のアプリを作る。
サポートチケットの振り分けは、入力、判断、処理を明確に分けられるため、最初の Jev プロジェクトに向いています。初版は全結果を確認できる規模にします。
振り分け規則を書く
billing、technical、sales、needs_review を文章で定義し、複数の部署に関係する場合の扱いも決めます。Jev は渡された回答構造からしか選べないため、フォールバックが重要です。
代表例を用意する
通常、曖昧、短文、敵対的な指示、対象外の依頼を集め、期待するルートを別に付けます。印象的な数例ではなく、このデータで Jev の結果を比較します。
一件送って確認する
顧客メッセージを state とし、定義したルートで Choice を質問します。選択肢、確率分布、信頼度を確認します。自分のアクセスで実行するまで、このサイトの出力例は説明用です。
確認と失敗処理を加える
実際の誤りと業務コストから確認ルールを決めます。タイムアウト、認証、レート制限、回答欠落、バージョン変更を処理し、再試行で処理が重複しないようにします。
06 / ガイド
理解から実装への道筋。
07 / Jev FAQ
開発者からよくある質問。
Jev を評価するときの主な疑問に短く答えます。詳しい内容は各ガイドで確認できます。
Jev とは？
Jev は TypeSafe AI の System One モデルで、テキストに対する構造化された判断を返します。state と型付きの質問を受け取り、Choice、Score、Noul を返します。文章生成やワークフローの自動実行ではなく、限定された判断のためのモデルです。
Jev と生成 AI モデルの違いは？
生成モデルはメール、説明、要約などの自由な文章を作ります。Jev は宣言した型の中で判断を返します。分類やルーティングへ組み込みやすくなりますが、型が正しいことは判断の正しさを保証しません。
Choice、Score、Noul とは？
Choice は候補から一つを選び、確率と信頼度を返します。Score は説明した順序尺度を評価します。Noul は yes/no 質問の答えが yes である確率です。それぞれ別のアプリ判断に対応します。
Jev は処理を実行したり返信を書いたりできる？
できません。Jev は判断を返し、その後はアプリが決めます。権限、計算、保存、外部処理はコードで行い、新しい文章が必要なら生成モデルを使います。役割を分けると失敗を確認しやすくなります。
本番前に Jev をどう評価する？
自分の通常、曖昧、敵対的、対象外の入力で正解付きデータを作ります。Jev のバージョンと質問を固定して期待値と比較し、誤検知と見逃しを調べます。そのコストからしきい値、フォールバック、人による確認を決めます。
理解して、作ってみる。
まずは 1 つの判断から。
小さなリクエストを送り、結果を確認してから、実際のワークフローに組み込みましょう。
確認日: · 対象バージョン: Jev 1.13.0