jev需通过vercel ai gateway接入，严格按state/model/questions三段式json请求，返回带置信度的结构化决策结果，端到端延迟70–500ms，响应含decision与probabilities字段供业务逻辑直接调用。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在生产环境中让程序自动完成日志分类、工单路由或命令风险判断，必须把Jev接入代码流——它不聊天、不解释、不生成文本，只返回带置信度的结构化决策结果，且端到端延迟压在70–500毫秒内。
确认接入渠道与权限
目前Jev未开放独立API密钥申请，唯一稳定可用的入口是Vercel AI Gateway。访问 https://vercel.com/ai/gateway → 登录已有Vercel账户 → 在模型列表中搜索“jev” → 点击“Enable”按钮启用服务。这一步必须完成，否则后续所有请求都会返回401错误。
注意：TypeSafe AI官网仍处于申请制白名单阶段，截至2026年9月21日，未收到邮件邀请的开发者无法直连其原生端点。
构造符合schema的请求体
Jev拒绝任何自由格式输入，必须严格按三段式组织JSON payload：
① 【state】 字段为必填对象，承载当前上下文快照，例如一段shell命令日志、一封用户投诉邮件原文、或一个CI失败的完整error stack；
② 【model】 字段固定为字符串"jev-202609"，这是当前唯一公开发布的版本标识，填错将触发400 Bad Request；
③ 【questions】 是键值对数组，每个元素含type（"choice"/"score"/"noul"）、name（自定义字段名）、options（仅choice需提供）或range（仅score需提供）。例如判断命令是否高危，question必须写成{"type":"noul","name":"is_dangerous","description":"该命令是否可能造成系统级破坏"}，不能省略description字段——缺少它会导致Jev跳过该问题且不报错，静默丢弃。
发送请求并解析响应
方法一：用curl快速验证
执行以下命令（替换YOUR_VERCEL_TOKEN为Vercel AI Gateway生成的Bearer Token）：
curl -X POST https://api.vercel.com/ai/gateway/v1/ask \ -H "Authorization: Bearer YOUR_VERCEL_TOKEN" \ -H "Content-Type: application/json" \ -d '{ "state": { "command": "rm -rf /tmp/cache && systemctl restart nginx" }, "model": "jev-202609", "questions": [ { "type": "noul", "name": "is_dangerous", "description": "该命令是否可能造成系统级破坏" } ] }'
方法二：Python同步调用（推荐生产环境使用）
安装requests库后，直接运行：
import requests
url = "https://api.vercel.com/ai/gateway/v1/ask"
headers = {"Authorization": "Bearer YOUR_VERCEL_TOKEN", "Content-Type": "application/json"}
payload = {
"state": {"command": "kill -9 $(pgrep python)"},
"model": "jev-202609",
"questions": [{"type": "noul", "name": "is_force_kill", "description": "该操作是否属于强制终止进程"}]
}
res = requests.post(url, json=payload, headers=headers)
print(res.json()["decision"]["is_force_kill"]) # 直接取布尔值
print(res.json()["probabilities"]["is_force_kill"]["true"]) # 取对应概率
这一步操作起来很简单，直接把文件拖进去就行。但必须检查response.status_code是否为200，Jev不会因输入超长而截断——它会直接返回413 Payload Too Large，此时需前端预切分state内容。
处理三种原语输出
Choice输出示例：{"decision": {"route_to": "billing"}, "probabilities": {"route_to": {"billing": 0.82, "support": 0.15, "fraud": 0.03}}}
Score输出示例：{"decision": {"urgency_score": 7}, "probabilities": {"urgency_score": {"value": 7, "confidence": 0.91}}}
Noul输出示例：{"decision": {"is_spam": true}, "probabilities": {"is_spam": {"true": 0.982, "false": 0.018}}}
所有decision下的值均可直接用于if/else分支，无需JSON解析中间层；probabilities中每个字段的置信度必须参与业务逻辑——比如当is_spam的true概率低于0.85时，强制进入人工复审队列，而不是直接标记为垃圾信息。
