jev需对状态文本在有序整数量表上数值化打分，必须显式声明边界与具象锚点，禁用choice/noul逻辑，支持多问题并行或同量表批量处理，并通过confidence阈值过滤低质量输出。
☞☞☞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☜☜☜
你需要让Jev对一段状态文本在有序量表上快速给出数值化打分，比如“用户情绪激烈程度：2～10分”“内容可信度：1～7档”，而不是让它自由生成描述性评价。
明确设定Score量表边界与语义锚点
Score问题必须显式声明最小值、最大值和至少两个具象锚点。例如写成：“请对这段客服对话的情绪强度打分，范围2～10，其中2表示完全平静，7表示明显不满，10表示愤怒爆发”。【不写锚点会导致模型按内部默认语义解释，不同请求间分数不可比】
量表必须是连续有序整数区间，不能跳号（如2/4/6/8/10），也不能用小数起止（如1.5～9.5）。
避免混入Choice或Noul逻辑干扰Score判断
一个Score问题里禁止出现“是否”“哪个”“属于哪类”等触发Choice/Noul的关键词。例如不要写：“这段文字是否值得推荐？如果值得，请在1～5分打分”——这实际是Noul+Score嵌套，Jev会报错或返回空值。
正确写法是单刀直入：“请对这段产品评论的推荐意愿打分，1（完全不推荐）到5（强烈推荐）”。
批量Score问题的并行调用技巧
方法一：同一请求中提交多个独立Score问题
在questions数组里并列写：{"type": "score", "question": "打分：信息完整性，1～5"}、{"type": "score", "question": "打分：语气专业性，1～10"}。Jev会一次性返回两个score字段，无额外延迟。
方法二：复用同一量表做横向对比
若需对10条工单分别打“紧急度（1～10）”，不要发10次请求。把10条工单拼成一个长状态文本，每条前加唯一标识符（如“[ID:TK-001]…”），再提问：“请对每条工单的紧急度打分，1（常规）到10（立即升级）”。Jev能自动识别分段并返回对应score数组。
注意：所有Score问题共享同一上下文预算，单请求总token不得超过32K；超长状态建议先做关键句提取。
用置信度阈值过滤低质量Score输出
第一步：检查返回结果中的confidence字段
Score响应体包含score（数值）、distribution（各档概率）、confidence（0.0～1.0）。当confidence
第二步：设置三档业务路由
① confidence ≥ 0.85 → 直接执行：score ≥ 8 则自动升级工单
② 0.65 ≤ confidence ③ confidence
这一步必须硬编码进业务层，Jev本身不提供自动降级能力。
