线索评分

根据原始表单文本对一条进线销售线索进行资格判定。

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：

scorefit

对于一款面向技术的 B2B 基础设施产品,这条线索的匹配度有多高?

在一个有序量表上给它打分：

匹配度差 / 只是随便问问
匹配度弱
匹配度尚可
匹配度高
理想的高意向买家

choiceroute

这条线索应该被路由到哪里?

从这些选项中挑一个：

enterprise — 企业级客户经理
smb — 自助 / 中小企业
nurture — 市场培育流程
disqualify — 不匹配,取消资格

noulbuying_now

这条线索目前是否正处于活跃的采购周期中?

返回一个已校准的是/否概率。

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": "进线演示申请。姓名:Priya Nadkarni。公司:Northwind Robotics(约 450 名员工)。职位:工程副总裁。留言:‘我们正在替换一个自研的规则引擎,它每天为数百万个事件做路由,本季度正在评估供应商。需要能在 2 周内试点的方案。预算已批。’",
  "questions": {
    "fit": {
      "type": "score",
      "instructions": "对于一款面向技术的 B2B 基础设施产品,这条线索的匹配度有多高?",
      "criteria": [
        "匹配度差 / 只是随便问问",
        "匹配度弱",
        "匹配度尚可",
        "匹配度高",
        "理想的高意向买家"
      ]
    },
    "route": {
      "type": "choice",
      "instructions": "这条线索应该被路由到哪里?",
      "criteria": {
        "enterprise": "企业级客户经理",
        "smb": "自助 / 中小企业",
        "nurture": "市场培育流程",
        "disqualify": "不匹配,取消资格"
      }
    },
    "buying_now": {
      "type": "noul",
      "instructions": "这条线索目前是否正处于活跃的采购周期中?"
    }
  }
}

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 →