工具调用风险闸门

在 agent 的动作执行之前对其进行筛查。

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：

scorerisk

自动运行这条命令的风险有多大?

在一个有序量表上给它打分：

安全
低
需要仔细查看
高 — 可能销毁数据或影响生产环境

noultouches_prod

这个动作是否涉及生产环境或删除数据?

返回一个已校准的是/否概率。

choicegate

agent 运行框架应该怎么做?

从这些选项中挑一个：

allow — 自动运行
confirm — 暂停并请人工确认
block — 拦截并要求采用更安全的方案

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": "一个自主编码 agent 即将在项目根目录运行这条 shell 命令:\n\n  rm -rf ./dist && aws s3 sync ./build s3://prod-assets --delete\n\n背景:它正在任务中途部署一个前端构建产物。",
  "questions": {
    "risk": {
      "type": "score",
      "instructions": "自动运行这条命令的风险有多大?",
      "criteria": [
        "安全",
        "低",
        "需要仔细查看",
        "高 — 可能销毁数据或影响生产环境"
      ]
    },
    "touches_prod": {
      "type": "noul",
      "instructions": "这个动作是否涉及生产环境或删除数据?"
    },
    "gate": {
      "type": "choice",
      "instructions": "agent 运行框架应该怎么做?",
      "criteria": {
        "allow": "自动运行",
        "confirm": "暂停并请人工确认",
        "block": "拦截并要求采用更安全的方案"
      }
    }
  }
}

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 →