ai/jev 组件：接入 TypeSafe AI (opens new window) 的 System One 模型（Jev），问一个问题，按答案路由。与 意图识别（LLM 分类）、本地意图识别（嵌入匹配）互补。只需要是否判断（True/False 守卫）时可用独立组件 Jev 过滤。

Jev 不生成文本，只输出带校准置信度的类型化决策，延迟 70~500ms、成本约为 LLM 分类的百分之一量级，适合每条消息都过得起的在线决策位置：意图分流、风险门控、告警分级等。

用法

三步：① 填主问题 → ② 填选项 → ③ 把每个选项名连一条线。其他维度要一起判断时，再加附加问题（可选）。

三种答案形态：

形态	界面显示	填什么	路由
choice（默认）	多选一	问题 + 选项列表（名称+描述）	按胜出选项名路由
noul	是否	问题（当作一句陈述），不填选项	True / False 两条线
score	程度分级	问题 + 有序档位列表（低→高）	按最近档位名路由，metadata 带连续分数

连线

形态	连线
choice	每个选项名一条 + Default（低置信）+ Failure（接口出错）
noul	True / False + Failure
score	每个档位名一条 + Default + Failure

连线候选会按节点配置自动出现在下拉里，无需手输。Default 线专属低置信答案，把它连到 LLM 节点即级联模式。

配置

字段	类型	说明	默认值
url	string	System One 端点，网络不可达时可改指向代理网关	https://api.typesafe.ai/v1/systemone
key	string	API Key，支持 ${global.xxx} 模板
model	string	模型名	jev-latest
input	string	要判断的内容，支持 ${msg.key} 和 ${metadata.key}。为空时使用 msg.GetData()
question	string	对输入提的问题
answerType	string	choice / noul / score	choice
options	[]Option	选项列表。choice 时是路由出口；score 时按顺序作为评分标尺（2~10 档）；noul 时忽略
extraQuestions	[]ExtraQuestion	附加问题（可选）：与主问题一次请求并行评估，答案只写入结果，不影响路由
outputTo	string	结果输出位置：metadata 写入元数据（默认，负荷透传）；data 用结果 JSON 对象整体替换消息负荷	metadata
minConfidence	float	置信度低于该值不按胜出项路由，改走 Default 线	0.5（负数关闭）

超时（10 秒）、过载重试（2 次指数退避）、门控阈值（0.5）、state 形态（自动识别 JSON）均为固定默认值，不暴露配置。

Option 结构

字段	说明
name	选项名/档位名，即路由连接类型
description	选项含义/档位说明，帮助模型判断；score 形态下描述作为评分标尺，name 只做连线映射

ExtraQuestion 结构（附加问题）

字段	说明
id	答案写入结果的键（jev.<id>），不能为 answer
type	choice / noul / score
question	对输入提的问题
options	同主问题的 Option 结构，noul 时忽略

附加问题适合一条消息要打好几个维度标签的研判场景（如紧急度 + 严重度 + 部门）：全部问题一次请求并行评估，几乎不增加延迟。

使用分工一句话：主问题的答案决定连线，附加问题的结果只供读取——下游用 ${metadata.jev.<id>}（或 data 模式下 ${msg.<id>}）取值。附加问题缺答案不报错，主问题路由不受影响。

结果输出（outputTo）

• metadata（默认）：全部答案写入 msg.Metadata，msg.Data 原样透传
• data（别名 msg）：msg.Data 被结果 JSON 对象整体替换（含 answer、<id> 各附加答案、model、usage，数值用原生类型），适合把研判结果直接作为链的产出（如 HTTP 端点响应）；需要保留原始消息时用 metadata

执行结果（metadata 模式）

msg.Data 原样透传，结果写入 metadata：

• jev.answer：答案主值（选项名 / 0~1 概率 / 连续分数）
• jev.answer.confidence、jev.answer.probabilities：置信度与分布
• jev.level：score 形态的最近档位名
• jev.model、jev.usage：模型与 token 消耗

配置示例

意图分流（choice）

{
  "id": "node_jev_1",
  "type": "ai/jev",
  "name": "工单分拣",
  "configuration": {
    "key": "${global.typesafeKey}",
    "question": "选择与输入内容最匹配的意图",
    "options": [
      {"name": "billing", "description": "账单、发票、扣款问题"},
      {"name": "technical", "description": "故障、集成、报错"},
      {"name": "sales", "description": "售前咨询、报价"}
    ]
  }
}

画布连三条线：billing / technical / sales。

风险门控（noul）

{
  "id": "node_jev_2",
  "type": "ai/jev",
  "name": "危险命令守卫",
  "configuration": {
    "key": "${global.typesafeKey}",
    "question": "该命令会修改或删除数据，具有破坏性",
    "answerType": "noul"
  }
}

False 线直接执行，True 线先走人工确认。

告警分级（score）

{
  "id": "node_jev_3",
  "type": "ai/jev",
  "name": "告警分级",
  "configuration": {
    "key": "${global.typesafeKey}",
    "question": "根据告警内容评估严重程度",
    "answerType": "score",
    "options": [
      {"name": "info", "description": "无需处理"},
      {"name": "warning", "description": "值班员关注"},
      {"name": "high", "description": "尽快处理"},
      {"name": "critical", "description": "立即处置"}
    ]
  }
}

四条线分流，jev.answer 是连续分数（如 1.4），可做阈值逻辑。

附加问题 + 结果输出（data）

{
  "id": "node_jev_4",
  "type": "ai/jev",
  "name": "工单研判",
  "configuration": {
    "key": "${global.typesafeKey}",
    "question": "选择与输入内容最匹配的意图",
    "answerType": "choice",
    "options": [
      {"name": "billing",   "description": "账单、发票、扣款问题"},
      {"name": "technical", "description": "故障、集成、报错"},
      {"name": "sales",     "description": "售前咨询、报价"}
    ],
    "extraQuestions": [
      {"id": "isUrgent", "type": "noul", "question": "消息表达紧急或时限压力"},
      {"id": "severity", "type": "score", "question": "评估严重程度",
       "options": [
         {"name": "低", "description": "常规问题"},
         {"name": "中", "description": "影响部分用户"},
         {"name": "高", "description": "生产事故级"}
       ]}
    ],
    "outputTo": "data"
  }
}

三个问题一次请求并行评估；路由仍按 billing/technical/sales 三条线，负荷被结果对象整体替换，典型 HTTP 端点响应即：

{
  "answer": "technical",
  "answer.confidence": 0.9,
  "isUrgent": 0.99,
  "severity": 2,
  "severity.confidence": 0.9,
  "model": "jev-1.13.0",
  "usage": {"input": 392, "output": 65}
}

低置信度级联

置信度低于 0.5 时消息走 Default 线——这条线专属低置信（正常答案都走选项/True-False/档位线，同 switch 的兜底线惯例），把它连到 ai/agent 节点就是级联模式：Jev 处理高置信的大多数，LLM 只接不确定的少数。

选型对照

	ai/intent	ai/localIntent	ai/jev
引擎	LLM 生成式分类	嵌入向量最近邻	System One 概率决策
延迟	秒级	本地毫秒 / 云端百毫秒	70~500ms
能判断什么	意图分类	意图分类	是/否、多选、评分
外部依赖	LLM API	Embedding API	System One API

注意事项

• API Key 在 console.typesafe.ai (opens new window) 申请
• 查询型接口无副作用，429/529 过载时自动指数退避重试
• 中文问题的判断质量建议先实测再上线