原创教程官方文档整理

Jev Score 实操：给问题影响程度写可复核的评分标准

一套单维度锚点与可逐条复核的优先级候选表。

适用场景把“高、中、低”改成可观察的评分锚点，拆开影响与证据充分程度，保留小数分数和人工预期，形成可解释的优先级建议。

来源 · JevLog 编辑部Intermediate15 分钟

开始阅读

把“高、中、低”改成可观察的评分锚点，拆开影响与证据充分程度，保留小数分数和人工预期，形成可解释的优先级建议。

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

“很重要”对不同人含义不同。这里只评任务受阻程度，不把收入、客户级别和情绪混成一个分数。先让复核者能一致理解标准，再考虑模型。

准备与来源

下载 impact-rubric.csv，两人先独立标注四条虚构报告。
调用代码需 typesafe-sdk 和密钥；人工检查评分表无需调用 API。
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. 只选一个评分维度

维度是“问题对完成当前任务的阻碍程度”。写明用户情绪、客户等级和支付金额不参与。缺少具体任务时另标资料不足，不把语气强烈当成影响大。

2. 写低到高的锚点

0：正常完成；1：已知替代路径可完成；2：没有陈述的替代路径。每档描述可观察条件，避免“低、中、高”三个空标签。Noul 独立检查资料是否够，避免缺信息混入最高级。

from typesafe_sdk import TypeSafeClient, Score, Noul
with TypeSafeClient() as client:
 result = client.system_one("Export fails in Safari but succeeds in Chrome.", {
  "impact": Score(instructions="How much does this block completion of the stated task?",
   criteria=["Task works normally", "A stated workaround completes the task", "No stated workaround completes the task"]),
  "context": Noul(instructions="Does the report describe a concrete task and a failure?")
 })
 answer = result.scores["impact"]
 print(answer.score, answer.probabilities, answer.confidence)
 print(result.nouls["context"].noul)

3. 保留小数与分布

三档的分数区间是 0 到 2，可落在档位之间。存原始 score、probabilities、confidence，显示时才保留两位小数。不要因为界面四舍五入让路由规则悄悄变掉。

4. 先看人工分歧

两人都评的同一组，差异按“任务定义不一致”“是否存在替代路径”“证据缺失”记录。人都不一致时先改标准。样例中“什么都不能用”需要补具体行为，不能直接判最高档。

5. 评分只给建议

输出 case_id、rubric_version、原始分数、资料状态与建议优先级。事故升级要由监控、影响范围和负责人确认。换锚点后重跑同组并保存变更原因，便于结果对比。

练习样例：下载 impact-rubric.csv，可在本地练习；非本站实测结果。

结果与注意