原创教程官方文档整理

Jev 问题怎么拆：把一个含糊的分流判断拆成三步

一份可评审的三问题规格、边界输入和带版本的分流建议。

适用场景用一条虚构产品反馈，把类别、证据是否充分、影响程度分开判断，再由代码组合结果；附问题规格和边界样例。

来源 · JevLog 编辑部Intermediate15 分钟

开始阅读

用一条虚构产品反馈，把类别、证据是否充分、影响程度分开判断，再由代码组合结果；附问题规格和边界样例。

来源 · JevLog 编辑部 · 本站原创

原文封面 · TypeSafe AI

原文封面 · TypeSafe AI

2026-10-02 新增：依据当前官方文档整理，附本站编写练习。未做真实服务调用；来源首次发布日期未确认。

背景 / 问题

“重要吗，要交给谁？”混合了多个标准。先固定输入，分别问类别、信息够不够和影响，才能知道判断为什么失败。同次 Jev 请求的问题独立读取同一状态，不能让第二问引用第一问的答案。

准备与来源

下载 question-design.json，先人工标注四种虚构输入；不含客户隐私。
调用示例需要 Python、typesafe-sdk 与服务端 TYPESAFE_API_KEY；执行会消耗 API 额度。只设计规格时无需密钥。
官方文档
官方文档

JevLog 原创流程图，非产品截图或实测结果。

JevLog 原创流程图，非产品截图或实测结果。

操作步骤

1. 固定输入，不先写结论

保留具体行为、环境、复现条件。例如“Firefox 下载无反应，Chrome 正常；清缓存后仍发生”。不要先写“严重故障”，否则把结论混进证据。删除账号和姓名，但不要删掉判断所需的环境。

2. 三个问题各管一件事

类别用 Choice，资料是否充分用 Noul，阻碍程度用 Score。把标准写进 instructions 和 criteria，保留 other 出口。问题 ID 是程序查找答案的键，不应代替写给模型的判断说明。

from typesafe_sdk import TypeSafeClient, Choice, Noul, Score
questions = {
 "queue": Choice(instructions="Which team should review this report?",
   criteria={"engineering": "Software behavior", "content": "Wording or documentation", "other": "Neither or unclear"}),
 "context": Noul(instructions="Does the report describe a concrete failing action and its environment?"),
 "impact": Score(instructions="How much does this block the stated task?",
   criteria=["Task works normally", "A stated workaround works", "No stated workaround works"]),
}
with TypeSafeClient() as client:
 result = client.system_one("Download fails in Firefox but works in Chrome.", questions)
 print(result.choices["queue"].choice)
 print(result.nouls["context"].noul)
 print(result.scores["impact"].score)

3. 在应用代码里组合

先检查字段与 queue.confidence、context.noul；资料不足、分布含糊或类别为 other 时进入 review。其余只生成建议，不自动创建工单。0.8 只是候选阈值，需要用自己标注数据验证，不是准确率保证。

4. 用反例检查重叠标准

样例含环境明确、缺环境、文案问题和无关消息。调用前写预期，调用后记录 case_id、问题版本、预期、实际和差异原因。每次只改一个标准，再用同一组输入比较；不要为了通过而修改人工标签。

5. 给下一步留下版本与复核出口

保存 routing-v1 与原始证据，复核者能看见问题规格和建议。若下一步问题需要前一步答案，拆成两次调用并记录中间状态；应用仍要检查动作许可和用户权限。

练习样例：下载 question-design.json，可在本地练习；非本站实测结果。

结果与注意