数据提取

把一段自由文本记录转化为结构化的类型字段。

运行这个演示 ▶获取 API key →

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：

choicedepartment

这件事应该由哪个部门处理?

从这些选项中挑一个：

receiving — 仓库收货 / 物流
sales — 销售
finance — 财务 / 应付账款
it — IT 支持

noulis_complaint

来电者是否在反映某个问题或缺陷?

返回一个已校准的是/否概率。

scorepriority

回电的时效性有多强?

在一个有序量表上给它打分：

随时都行
本周内
今天
立即

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": "语音留言转录:‘嘿,我是装卸区的 Marco,呃,Kellerman 那边的货到了,但有两个托盘损坏了,看起来是进水了。是上周二的那个订单。能不能找人给我回个电话,有点急,这些货我们没法上架。’",
  "questions": {
    "department": {
      "type": "choice",
      "instructions": "这件事应该由哪个部门处理?",
      "criteria": {
        "receiving": "仓库收货 / 物流",
        "sales": "销售",
        "finance": "财务 / 应付账款",
        "it": "IT 支持"
      }
    },
    "is_complaint": {
      "type": "noul",
      "instructions": "来电者是否在反映某个问题或缺陷?"
    },
    "priority": {
      "type": "score",
      "instructions": "回电的时效性有多强?",
      "criteria": [
        "随时都行",
        "本周内",
        "今天",
        "立即"
      ]
    }
  }
}

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 →