← 所有用例

内容仪表盘标注

一次性从主题、钩子、格式和风格给任意帖子打标 —— 支撑一个 1,315 帖内容仪表盘背后的标注。

1,315 条帖子 · 多维度 · 约 $0.086@yuhasbeentaken

Yum 从约 8 个维度给 1,315 条 X 帖打了标 —— 主题、钩子、写作风格等等 —— 模型成本约 8.6 美分,然后按标签筛选并对比互动数据。它真正省下的不是写作;而是逐条打开每一篇帖子做笔记的那些小时。

Live toolRun this on your own data with the Content Classifier →

Try it live

This is the real thing, not a mockup. Edit the input, hit Run, and Jev returns every typed answer in one round trip — free, no signup. Now picture the same call fired across thousands of items in parallel.

POST api.typesafe.ai/v1/systemone
state — 软件传给 Jev 的输入89c
questions — 你想拿回的类型化决策
choicetopic
主要话题是什么?
→ 其中之一: productivity, growth, ai, mindset, personal
choicehook_style
帖子以哪种钩子风格开场?
→ 其中之一: contrarian, question, stat, story, statement
choiceformat
帖子是什么格式?
→ 其中之一: one_liner, thread, listicle, story
choicewriting_style
写作风格是什么?
→ 其中之一: punchy, analytical, storytelling, casual
scoreengagement
这条帖子的互动潜力有多强?
→ 0…3 · 4 个等级
真实 API · 免费 · 无需注册
类型化、已校准的输出将显示在这里。
选一个示例,调整输入,然后点击 运行 Jev.
获取 API key →← 所有用例

Jev 做出的决策

在一次调用中，Jev 针对同一份输入并行评估以下每一项：

choicetopic

主要话题是什么?

从这些选项中挑一个：

  • productivity — 生产力 / 专注
  • growth — 受众或业务增长
  • ai — AI / 技术 / 开发
  • mindset — 心态 / 心理
  • personal — 个人故事 / 生活
choicehook_style

帖子以哪种钩子风格开场?

从这些选项中挑一个：

  • contrarian — 挑战一个普遍看法
  • question — 以一个问题开场
  • stat — 以数字 / 数据开场
  • story — 以个人故事开场
  • statement — 一个平实的陈述句
choiceformat

帖子是什么格式?

从这些选项中挑一个：

  • one_liner — 短小有力的单一观点
  • thread — 长推文的开头
  • listicle — 一串要点 / 建议清单
  • story — 一段叙事
choicewriting_style

写作风格是什么?

从这些选项中挑一个：

  • punchy — 简短、反差强烈的句子
  • analytical — 解释性 / 有推理
  • storytelling — 以叙事驱动
  • casual — 口语化
scoreengagement

这条帖子的互动潜力有多强?

在一个有序量表上给它打分：

  1. 弱
  2. 一般
  3. 强
  4. 非常强

确切的请求

这就是实时演示背后真实的载荷——复制它，改一下 state，你就开始构建了：

{
  "model": "jev-latest",
  "state": "X 帖(单条,3,100 赞):\n\n“大多数人并没有生产力问题。\n\n他们有的是‘脑子里开了太多标签页’的问题。\n\n把一切都写下来。你的大脑是用来产生想法的,不是用来存放它们的。”",
  "questions": {
    "topic": {
      "type": "choice",
      "instructions": "主要话题是什么?",
      "criteria": {
        "productivity": "生产力 / 专注",
        "growth": "受众或业务增长",
        "ai": "AI / 技术 / 开发",
        "mindset": "心态 / 心理",
        "personal": "个人故事 / 生活"
      }
    },
    "hook_style": {
      "type": "choice",
      "instructions": "帖子以哪种钩子风格开场?",
      "criteria": {
        "contrarian": "挑战一个普遍看法",
        "question": "以一个问题开场",
        "stat": "以数字 / 数据开场",
        "story": "以个人故事开场",
        "statement": "一个平实的陈述句"
      }
    },
    "format": {
      "type": "choice",
      "instructions": "帖子是什么格式?",
      "criteria": {
        "one_liner": "短小有力的单一观点",
        "thread": "长推文的开头",
        "listicle": "一串要点 / 建议清单",
        "story": "一段叙事"
      }
    },
    "writing_style": {
      "type": "choice",
      "instructions": "写作风格是什么?",
      "criteria": {
        "punchy": "简短、反差强烈的句子",
        "analytical": "解释性 / 有推理",
        "storytelling": "以叙事驱动",
        "casual": "口语化"
      }
    },
    "engagement": {
      "type": "score",
      "instructions": "这条帖子的互动潜力有多强?",
      "criteria": [
        "弱",
        "一般",
        "强",
        "非常强"
      ]
    }
  }
}

把它接进你的代码

读取类型化的答案，用普通代码分支判断——无需解析。自动处理高置信度的情形，把不确定的路由给更大的模型或人工。这只是一次 API 调用，而且输出免费，所以把你需要的每个问题一次都问了吧。

构建你自己的

上面每个场景都是一次 API 调用。在 playground 里免费试用其中任意一个，然后拿一个托管 key 把它上线——无需 waitlist。

运行这个演示 ▶获取 API key →
内容仪表盘标注 — 一个带实时演示的 Jev 用例 · Jev by TypeSafe AI