Jev = 为 AI agent 与软件提供快速的类型化决策——choice、score，或是/否概率，70–500ms 内返回。
你把上下文和问题交给 Jev。它把结构化、已校准的值交还给你的代码——没有需要解析的散文。
不是——Jev 是 TypeSafe AI 的一个托管模型，通过 API 调用。但围绕它的工具是开放的：awesome-jev、jev-mcp 以及 LangChain 集成。模型本身运行在 TypeSafe 的服务器上。
三条路径：官方 TypeSafe waitlist、网关（Vercel AI Gateway、OpenRouter 或 Cloudflare），或者从我们这里拿一个无需 waitlist 的托管计量 key。完整走查见 Get Jev 页面。
大多数智能不该非得变成一个聊天窗口。Jev 负责那些又小又快、高频的决策——过去它们要么靠脆弱的规则，要么得动用杀鸡用牛刀的 LLM 调用。
用一个类型化的 choice 加上已校准的概率，把工单、邮件、事件或文档送到正确的地方。
把模糊的判断——风险、紧急度、质量、线索匹配度——变成一个可设阈值的有序 score。
问一个是/否的 noul，拿回一个概率，于是你可以自动放行简单情形，把不确定的升级处理。
同样这三个原语，覆盖了软件整天都在做的、大量又小又快的判断。举几个例子：
对来件工单进行路由与排序
在用户帖子发布前进行放行判断
从多个维度给候选人打分
对来件销售线索进行资格判定
标记有风险的 pull request
拦截越狱与 prompt injection
把自由文本转成类型化字段
读出情绪与离开意向
if 判断Agent 大部分时间都花在细小的判断上——这条紧急吗、这个有风险吗、用哪个模型、这个还需要吗。对手写的 if 来说太模糊，对前沿 LLM 来说又太小。这正是 Jev 的地盘。
给一个请求的复杂度评级，把它送往快速、均衡或前沿模型——这正是 LangChain 以及 pi-jev-router 这类路由器所采用的模式。
在 agent 执行 shell 命令或修改文件之前，给风险打分，然后放行、确认或拦截——一个嵌在循环里的快速安全检查。
对每个陈旧的工具结果决定 keep / truncate / drop，让长会话瘦身——逐字保留，不做有损的摘要重写。
你描述状态和问题。Jev 在一次往返中全部评估，并返回带概率的类型化值。
从最多 255 个带标签的选项中挑一个。返回胜出的 key、每个选项的概率，以及一个置信度。
把输入放到一个 2–10 级的有序区间上。返回一个（可能带小数的）score，外加完整分布。
一个已校准的是/否，以 0 到 1 之间的概率给出——用于闸门、过滤器和护栏再合适不过。