Jev 最适合负责一个范围明确的判断，程序负责整个工作流。先给出回答问题所需的文本，再定义允许的答案形式，最后由代码验证并执行动作。下面是应用设计示例，不是本站独立测得的性能结果。
可以用 Jev 构建什么？
1. 客服工单分类
输入: 客户表示支付集成反复失败。
模型判断: 用 Choice 在账单、技术支持、销售和需要复核之间选择。
程序动作与边界: 代码把工单分派到队列，同时保留人工复核入口。一条消息可能涉及多个团队，需要明确主责规则，或拆成多个问题。
2. 内容审核
输入: 一条评论，以及简明、明确的社区规则。
模型判断: 用 Noul 评估评论是否违反某一条具体规则。
程序动作与边界: 将不确定情况交给人工，并记录所评估的规则。引用、反讽和恶意输入都可能影响判断；不要让一个分数代替完整审核流程。
3. 销售咨询相关性评分
输入: 一条咨询，以及产品已公开的适用场景。
模型判断: 用 Score 按无关、部分相关、直接匹配等有序描述评分。
程序动作与边界: 排序收件箱，方便人工跟进。缺少信息不等于不匹配；不要推断个人特征或用分数决定资格。
4. 检索结果重排
输入: 一个查询，以及搜索系统已找到的候选段落。
模型判断: 用 Score 判断段落回答查询的直接程度。
程序动作与边界: 程序对候选项排序，必要时为每段内容单独提问。Jev 不负责抓取文档；混入过多无关上下文也可能降低准确率。
5. 引用支持性检查
输入: 一个论断，以及对应的原始引用段落。
模型判断: 用 Choice 选择支持、矛盾或证据不足。
程序动作与边界: 在展示生成答案前标记较弱的引用。这只能判断给定文本是否支持论断，不能证明来源本身是真实的。
6. Agent 与工具路由
输入: 用户请求、允许使用的工具说明和应用上下文。
模型判断: 用 Choice 选择某个工具、请求澄清或不执行。
程序动作与边界: 实际调用前由程序检查权限和参数。模型选中了工具，不代表获得了执行权限；应为不支持的任务设置明确出口。
如何选择问题类型？
互斥的类别用 Choice，有序的描述等级用 Score，是非条件用 Noul。例如，同一工单可以分别产生部门 Choice 和紧急程度 Noul，不要把紧急程度硬塞进部门标签。
哪些逻辑应该保留在代码中？
身份验证、精确算术、日期比较、文档检索和实际操作应由普通代码完成。执行前检查结果是否在允许集合中，记录返回的模型版本，并用自己标注的样本决定阈值。高置信度答案也可能出错。
如何估算成本？
用包含真实问题的代表性请求测量 usage.input_tokens，再乘以预计请求量和当前单价。假设每次输入 1,000 token，核查时单次模型费用为 0.000042 美元，100,000 次为 4.20 美元，不含应用其他开销。