2026-11-02 14:49:41 网络安全文章来源：ZONE.CI 全球网 0 阅读模式

【工具】自动调查工具：Jev

原创

丁爸
丁爸

丁爸情报分析师的工具箱

2026年11月2日 09:46
美国

去阅读

Jev 是什么？

https://treg.to/jev

Jev 是 TypeSafe 公司开发的一个决策模型（Decision Model）。它的定位非常明确：不做文本生成，只做概率判断。你给它一个 JSON 状态和一组类型化的问题（选择题、是非题、评分题），它会在 1 秒以内返回每个选项的概率分布。

核心功能

1. 三种问题类型

类型	说明	示例
choice	从你定义的选项中选一个，并给出每个选项的概率	\"该工单应该路由到哪个部门？\" → billing / technical / sales
noul	二选一的概率判断（类似 yes/no）	\"这条消息是否试图绕过安全规则？\" → true / false
score	在有序评分标准上打分，返回每个等级的概率及加权均值	\"这条帖子的互动数据有多真实？\" → 0(明显操纵) ~ 3(明显有机)

一次请求可以同时问多个问题，Jev 会一次性全部回答。

2. 输出的是概率，不是文本

这是 Jev 与普通 LLM（如 GPT、Claude）最本质的区别：

LLM：逐 token 生成文本答案 → 你的代码需要解析文本 → 可能产生幻觉或格式错误
Jev：直接返回结构化概率分布 → 你的代码只需比较数值与阈值 → 不可能生成选项列表之外的内容

3. 极速且低成本

与最便宜的聊天模型（GPT-5.6 Luna）对比：

输入规模	费用对比	速度对比
2k tokens	5.8× 更便宜	7.0× 更快
8k tokens	5.8× 更便宜	5.9× 更快
16k tokens	5.8× 更便宜	6.1× 更快
32k tokens	5.7× 更便宜	4.5× 更快

单次决策费用约 $0.000018 ~ $0.000076
列表定价：每百万输入 token 仅 $0.042
响应时间稳定在 0.38~0.51 秒，不受输入规模显著影响（因为它不\"写\"东西）

主要特点

✅ 能做什么

选择/分类：从预定义选项中选一个，附带概率
评分/排序：对有序等级打分，支持加权均值
是/否判断：以概率形式输出二元判断
基于置信度路由：每个答案都带置信度，你的代码设阈值决定路由策略
读取 JSON：能理解表格、列表、工单历史等结构化数据
实时决策：速度够快，可以嵌入游戏循环、页面加载等实时场景
批量审核：以极低单价对大量数据进行判断（如 586 页 SEO 审核仅 $0.21）

❌ 不能做什么

不能写文本（句子、段落、代码）—— 那是 LLM 的活
不能自我解释 —— 概率分布本身就是解释
不能逐步推理 —— 你需要把步骤写成多个问题
上下文限制约 30k token —— 超长输入需要分块或先摘要
不能联网获取数据 —— 需要搭配 treg 等工具
无状态 —— 每次请求独立，历史记录需放入 state 中

典型应用场景

GTM 自动化：筛选 LinkedIn 帖子、评估评论者质量、评分线索
注册审核：对新增用户进行分类（企业/个人/欺诈/网红），配合邮箱验证
X/Twitter 内容监控：实时检测病毒式传播帖子，区分有机推广与付费推广
网页/电脑操作：读取页面元素表，一步决定\"做什么操作+操作哪个元素\"（如 browser-use/jev-ultrafast）
实时游戏 AI：在游戏循环中每帧做出决策（约 0.35 秒/$0.00002）
搜索增强：用自然语言对数据进行过滤和排序，无需向量索引
安全护栏：一次请求检测越狱、有害请求、医疗建议、自残倾向等多项风险

调用方式

通过 Vercel AI Gateway 调用：POST 到评估模型端点
也在 OpenRouter 上可用（模型 ID: typesafe/jev-1.13）
常与 treg（4000+ 数据端点平台）搭配使用：treg 负责取数据，Jev 负责做决策

一句话总结：Jev 是一个专注做\"判断\"的 AI 模型——它不写文章、不聊天，而是以极快的速度和极低的成本，对输入内容做出概率化的分类、评分和是非判断，让你把昂贵的 LLM 用在真正需要\"生成\"的地方，而把\"判断\"交给 Jev。

Jev 本身是 TypeSafe 开发的决策模型，它不直接联网获取数据，而是通过与 treg 平台对接来连接各类外部工具和数据源。treg 提供了 4,080+ API 端点，覆盖 113 个平台和 121 个提供商，Jev 基于 treg 获取的数据做出概率化判断。

一、treg 工具目录（Jev 的数据源）

treg 的工具目录分为 11 大类：

类别	说明	代表平台/工具	工具数量
Enrichment（数据丰富）	人物与公司记录查询	公司数据、人物联系数据、创作者/网红、Crunchbase	537个
SEO/AEO	搜索排名、关键词、反向链接	Google Keyword Data、Google Search Console、Google Analytics、AI Visibility	477个
Social（社交媒体）	帖子、个人资料、评论	TikTok、Instagram、YouTube、X(Twitter)、LinkedIn、Reddit、抖音、Facebook	764+个
Advertising（广告）	广告库与创作者市场	Google Ads、Meta Ads、Google Tag Manager	202+个
E-commerce（电商）	商品列表、价格、卖家	Amazon、淘宝/天猫、京东、TikTok Shop、Walmart	70+个
Reviews & Apps	应用商店与评价网站	Apple App Store、Google Play、Trustpilot、IMDb、Tripadvisor、Yelp	53+个
AI Generation（AI生成）	视频、图像、语音、音乐模型	视频生成、图像生成、语音生成、音乐生成、AI评判	284个
Community（社区）	论坛与聊天平台	Slack、Telegram、Hacker News、Product Hunt、Indeed、Remote OK	25个
Developer（开发者）	开发与代码平台	GitHub、包注册表、Stack Overflow	16个
Market Data（市场数据）	金融与市场数据	加密货币市场、股票市场、其他市场数据	74个
Research & Public Data（研究与公共数据）	学术、健康、百科等	学术文献、健康与生物医学、Wikipedia、经济指标、Medium、Substack、天气	14个

二、Jev 的调用通道

Jev 本身通过以下通道被调用：

Vercel AI Gateway — 主要调用入口，POST 到评估模型端点
OpenRouter — 模型 ID 为 typesafe/jev-1.13

三、可接入 Jev 的 AI 代理/编程工具

Jev 可以嵌入以下 AI 代理的工作流中：

Claude Code — Anthropic 的代码代理
Codex — OpenAI 的代码代理
Hermes — 开源代码代理
OpenClaw — 开源代理框架

四、Jev 工作流中常见的第三方工具（从使用案例中提取）

用途	工具
邮箱查找与验证	Hunter
人物丰富	Lusha
联系搜索	Apollo
融资与投资方数据	Crunchbase
公司画像	Clearbit
关键词追踪	Semrush、Serpstat、SpyFu
社交媒体发布	Postiz（支持 X、Instagram、LinkedIn、YouTube）
广告管理	Optmyzr（Google Ads）、Revealbot（Meta Ads）、Madgicx（TikTok Ads）
广告库查询	Meta Ad Library、Google Ads Transparency
视频生成	Seedance 2.5、Gemini 3 Pro Image、GPT Image 2.5、Veo 3.1、Wan 3.0
图像生成	Flux、Seedream（通过 Replicate）

总结

Jev 的连接生态可以概括为：Jev（决策模型） + treg（4,080+ 数据工具枢纽） + AI代理（Claude Code/Codex等）。treg 充当\"数据中间层\"，把各类外部 API 统一成一个 token 即可调用；Jev 则读取 treg 获取的数据，做出分类、评分、是非判断等决策。两者配合，再加上你的代码逻辑，就构成了一个完整的\"数据获取→AI决策→自动执行\"闭环。

点击下面👇阅读原文👇直达工具官网

长按识别下面的二维码可加入星球

里面已有万余篇资料可供下载

续费五折优惠