Jev 教程：用 180ms 分类模型替代「PASS/FAIL」字符串匹配做工作流判断
max_paperclips · x · 2026-10-16
一篇面向 n8n、CI 或自建 agent runner 开发者的 Jev 上手教程。
解决什么问题：工作流中常需要让 LLM 判断是/否（这改动是否涉及安全、这条 Slack 回复算不算同意）。常规做法是让模型回答 PASS 或 FAIL 再做字符串匹配，脆弱且慢——示例中「this should NOT PASS」就会骗过子串检查，10 次里错 6 次。
Jev 怎么做：TypeSafe 出品，跳过文本生成，直接返回每个类型化问题的答案加概率，自称「System One 模型」——快速自动判断而非逐步推理。
实测数据：
- 准确性：示例集上 0 错 vs 字符串匹配 6/10 错
- 速度：180ms/题，39 题批量 283ms（对比 Sonnet 分类器 2.1s/题）
- 成本：便宜 106 倍，28/28 答案一致
- 校准：置信度 0.9+ 的答案约 95% 正确
适用边界：只能在你给的选项中选，不能解释、调用工具或分步推理；需要写作或代码可精确验证的场景不要用它。
「编程与Agent」频道最新
- 微软论文：给路由器看会话历史，多轮 Agent 任务成功率多提 3.3 分 — dair_ai · 2026-10-16
- 开源 ORA 机器人 agent:DeepSeek V4.1-Flash 驱动机械臂,零样本对标闭源 — JunGao33210520 · 2026-10-16
- 非开发者30天做出平台格斗游戏，Hermes Agent成主力 — Teknium · 2026-10-16
- 2 人+5 智能体协作写码：英文描述需求即可自动实现 — nptacek · 2026-10-16
- UC Berkeley 论文：让 agent 学会遗忘，自动研究性能提升至 39% — omarsar0 · 2026-10-16
- 语音聊天里指挥多个Agent协作：一条英语需求直抵上线的流水线 — nptacek · 2026-10-16