[AIask]新增支持 Jev 模型，另有赛博鸡蛋自动发放。 请先注册： https://aiask.me/ 使用方法： AIask.me 网站后台 -> API 密钥 -> 创建密钥 -> 名称自定义，类型选：OpenAi ，分组选：JEV 模型 费用（目前）：$0.063 / 1M 输入 token ，输出免费 一、curl 示例 curl https://aiask.me/v1/systemone \ -H "Authorization: Bearer sk-你的 key" \ -H "Content-Type: application/json" \ -d '{ "state": {"message": "导出按钮在 Safari 上会让设置页崩溃，Chrome 正常。", "source": "support_ticket"}, "model": "jev-latest", "questions": { "is_bug": { "type": "noul", "instructions": "这是不是一个软件缺陷报告？" }, "team": { "type": "choice", "instructions": "该分给哪个团队？", "criteria": {"frontend": "UI 、浏览器兼容性", "backend": "API 、数据库", "infra": "部署、可用性"} }, "severity": { "type": "score", "instructions": "严重程度？", "criteria": ["仅外观问题", "功能受损但有变通办法", "阻塞且无变通办法"] } } }' 二、JEV 是什么 TypeSafe System One 不是聊天模型，是 结构化判断模型 。你给它一段素材（ state ）和若干道题（ questions ），它一次性返回每道题的 概率化答案 ，没有自由文本、没有流式输出、没有 tool call 。 典型用途：工单分类、内容审核、RAG 段落筛选、LLM 输出兜底校验、意图路由、置信度分流。 与 OpenAI 协议的区别一览： OpenAI Chat/Responses TypeSafe System One 端点 /v1/chat/completions 、 /v1/responses /v1/systemone 输入 messages state + questions 输出 文本 / tool call 每题一个概率化答案 流式 支持 不支持 计费 输入 + 输出 只算输入 token ，输出免费 三、端点与鉴权 POST https://aiask.me/v1/systemone Authorization: Bearer sk-你的-aiask-key Content-Type: application/json 四、请求结构 { "state": "客户说运动鞋尺码发错了，想换成 10 码。", "model": "jev-latest", "questions": { "自定义题目 key": { "type": "noul|choice|score", "instructions": "...", "criteria": ... } } } 三个字段都必填。 questions 的 key 由你自己定义，响应会用同样的 key 返回答案 —— 这就是"结构化"的来源，不需要解析自由文本。 state 接受三种形态 [官方文档]： "state": "我的卡被扣了两次款。" // 字符串：单段文本 "state": {"message": "我的卡被扣了两次款。", "order_id": "A-104"} // 对象：带字段名的记录（推荐） "state": ["你好", "我的客户号是 TS1337 。", "卡被扣了两次款。"] // 数组：消息序列 只接受文本，不支持图片 / 音频 / 视频。英文准确率最高，中文等其它语言支持但准确率会下降 [官方文档] —— 中文业务场景建议先小批量实测再上量。 原则 ：state 放事实和素材，questions 放要做的判断。两者不要混着写。 五、三种题型 1. noul —— 是非题，返回"是"的概率 { "type": "noul", "instructions": "客户是不是在要求转人工？", "criteria": { "true": "提到了之前的工单、尝试过联系、或说'我问过了'", "false": "没有任何过往联系的迹象" } } criteria 可选，只有 true / false 两个描述字段。返回： { "type": "noul", "noul": 0.93 } noul 是 0~1 的概率值，表示"是"的可能性。 注意 0.5 表示两种可能性各半，不是"中等程度" 。noul 答案 不带 confidence 字段 。 2. choice —— 单选题，返回选项 + 完整概率分布 { "type": "choice", "instructions": "这条工单应该归哪个部门？", "criteria": { "returns": "换货、退款、错发或破损", "shipping": "物流状态、延迟、丢件", "billing": "扣费、发票、支付问题" } } criteria 是 对象/映射 （不是数组）：key 是选项名，value 是选项描述。描述可以写 null （选项名本身够清楚时）。最多 255 个选项 [官方文档]。返回： { "type": "choice", "choice": "returns", "confidence": 0.88, "probabilities": { "returns": 0.88, "shipping": 0.09, "billing": 0.03 } } choice 是概率最高的那个， probabilities 全部选项加起来等于 1.0 。 3. score —— 打分题，返回有序量表上的位置 { "type": "score", "instructions": "这个 bug 有多严重？", "criteria": [ "仅影响外观，功能正常", "功能受损或降级，但有变通办法", "阻塞性问题，无变通办法" ] } criteria 是 数组 （注意和 choice 不同），2~10 个等级， 从低到高排列 [官方文档]。返回： { "type": "score", "score": 1.3, "confidence": 0.54, "legend": { "0": "仅影响外观，功能正常", "1": "功能受损或降级，但有变通办法", "2": "阻塞性问题，无变通办法" }, "probabilities": { "0": 0.0, "1": 0.7, "2": 0.3 } } score 不是整数，是 各等级编号的概率加权平均 （上例 1×0.7 + 2×0.3 = 1.3 ）。 legend 是等级编号到描述的映射

  • 情报分类：技术学习与提效
  • 分类依据：内容涉及技术、AI、软件工具或工程实践
  • 信息来源：服务器 / V2EX
  • 发布时间：2026/9/20 09:48:15