工作原理 / 02
让软件知道
什么时候可以相信 AI。
JEV 的关键不是让模型说得更像人，而是让系统拿到可解释、可比较、可执行的决策结果。
● ● ●TYPESGUIDE
choice选一个choice
score有序等级score
noul0–1noul
自动执行、确认、或转人工。
01
提供状态
把系统已经拥有的文本、事件、用户输入或 Agent 上下文传给 JEV。
02
定义问题
用 choice、score 或 noul 描述你真正需要的软件判断。
03
设置阈值
高置信度自动执行，中间区域请求确认，低置信度转人工。
state → questions → typed output → 业务规则
RLCD
Reinforcement Learning
for Calibrated Decisions
TypeSafe AI 将 RLCD 描述为面向校准决策的训练方法。概率存在的意义不是让模型听起来更谨慎，而是给软件一个能和阈值比较的数：自动执行、请求确认，或转交人工。
choice从预定义选项中选择一个
billing / account / technicalscore返回有序等级或分数
low / medium / highnoul返回 0 到 1 的概率
needs_human: 0.93