← すべてのユースケース
履歴書のスクリーニング
候補者を複数の観点で1回の呼び出しでスコア付けします。
Jev が下す意思決定
1 回の呼び出しで、Jev はこれらのそれぞれを — 同じ入力に対して並列に — 評価します:
scoreexperience
本日(2026年)時点で、候補者にはプロとしてのソフトウェア経験が何年ありますか?
順序付きの尺度で評価します:
- 2年未満
- 2〜4年
- 4〜7年
- 7〜10年
- 10年以上
scoredepth
肩書きや会社名は無視し、本人が実際に作り、担ったものから技術的な実務の深さを評価してください。2つの段階で迷ったら低い方を選んでください。
順序付きの尺度で評価します:
- 浅い
- ある程度の深さ
- しっかりしている
- 深い、シニアレベル
noulmentorship
この履歴書は指導(メンタリング)の経験を示していますか?
較正済みの yes/no の確率を返します。
choiceprofile
総合的に見て、最も当てはまる人材プロファイルはどれですか?
次の選択肢の中から 1 つを選びます:
backend— バックエンド/システムエンジニアfullstack— フルスタックのゼネラリストml— ML/AI エンジニアplatform— プラットフォーム/インフラ
実際のリクエスト
これがライブデモの背後にある本物のペイロードです — コピーして、state を変えれば、もう構築できています:
{
"model": "jev-latest",
"state": "候補者の履歴書 — Priya Okafor。\nシニアソフトウェアエンジニア、2019年〜現在、Meridian Health(サンフランシスコ)。\n- 保険金請求処理パイプライン(Go、Kafka)を再構築し、P99 レイテンシを 4.2秒 → 380ミリ秒に短縮。\n- オンコールローテーションを担当し、ジュニアエンジニア3名をミドルレベルまで指導。\n- サポート担当者向けの社内 LLM アシスタント(ポリシー文書上の RAG)をリリース。\n以前: ソフトウェアエンジニア、2016〜2019年、フィンテックのスタートアップ。コンピュータサイエンス学士。\nオープンソース: 人気の Go 製レートリミッターライブラリ(2.4k スター)を保守。",
"questions": {
"experience": {
"type": "score",
"instructions": "本日(2026年)時点で、候補者にはプロとしてのソフトウェア経験が何年ありますか?",
"criteria": [
"2年未満",
"2〜4年",
"4〜7年",
"7〜10年",
"10年以上"
]
},
"depth": {
"type": "score",
"instructions": "肩書きや会社名は無視し、本人が実際に作り、担ったものから技術的な実務の深さを評価してください。2つの段階で迷ったら低い方を選んでください。",
"criteria": [
"浅い",
"ある程度の深さ",
"しっかりしている",
"深い、シニアレベル"
]
},
"mentorship": {
"type": "noul",
"instructions": "この履歴書は指導(メンタリング)の経験を示していますか?"
},
"profile": {
"type": "choice",
"instructions": "総合的に見て、最も当てはまる人材プロファイルはどれですか?",
"criteria": {
"backend": "バックエンド/システムエンジニア",
"fullstack": "フルスタックのゼネラリスト",
"ml": "ML/AI エンジニア",
"platform": "プラットフォーム/インフラ"
}
}
}
}コードに組み込む
型付きの答えを読んで、素のコードで分岐します — 解析は不要です。確信度の高いケースは自動処理し、不確かなものはより大きなモデルや人へ振り分けます。1 回の API 呼び出しで出力は無料なので、必要な質問はすべて一度に投げてください。
自分のものを作る
上のどのシナリオも 1 回の API 呼び出しです。プレイグラウンドでどれでも無料で試してから、ホスト型キーを取得してそのまま本番投入できます — ウェイトリストなし。