工单分拣
按意图和紧急度路由支持工单与会话。
共有 9 行归在这个模式下,其中 8 行带代码。顺序与目录相同:官方的在前,然后是带代码的,再按星标排。
标有「并非 Jev 本身」或「仅影子运行」的条目照样列出,但它们不是用 Jev 做决策的示例。
-
Quickstart
官方第一课:一条工单,一次请求里同时问一个 Choice、一个 Score 和一个 Noul,给了 Python / JS / cURL 三种写法。
-
ai-cookbook: Jev track
一套循序渐进的课程:从第一次调用、逐个原语、state 形状与 criteria,一直到工单分拣和多步工作流,并对应了全部四个官方模式。
-
spring-ai-typesafe
社区维护的 Spring AI starter,把类型化决策带到 Java,用 builder API 封装三种问题类型。
-
jev-triage
按紧急程度给消息排序的 Go 命令行工具:每条消息发一次 Jev 请求,问一个类型 choice(bug、计费、功能请求、账户、其他)、一个 0–3 的紧急程度 score,以及一个“发信人是否显得沮丧”的 noul。类别置信度低于 0.8 的消息放进人工复核列表。模型撰写机翻
-
Example: three primitives in one request
最小化的第一次调用:同时问一个 choice、一个 score 和一个 noul,并标注了容易踩的那几处不对称。
-
Jev AI Use Cases
逐个用例走一遍 —— 智能体路由、智能体内部的决策层、工单分拣 —— 每个都给出具体的选项集和示例响应。
-
Jev on AI/ML API
又一个网关接入路径,值得记一笔是因为它的端点路径和请求外壳跟原生 API、跟 Cloudflare 都不一样。
-
Jev on Cloudflare Workers AI
Workers AI binding 与 REST 示例:一次调用同时问 noul、choice、score,并给出含逐答案置信度的完整响应。
-
Support-routing benchmark: 100 held-out cases
在 100 条留出的虚构客服消息上,将 Jev 与 Clef、Clef Flash、OpenAI 的 Decisions API 以及 GPT-6 Luna 结构化输出基线进行对比:每条消息路由到五个团队标签之一;所有用例和各模型的作答记录均可下载。机翻