Exemples de l’API Jev

Choice : choisir une étiquette Jev

Les appels choice et score dans des dépôts réels ↗ utilisent ce même format de requête.

La meilleure première intégration Jev est une question à laquelle votre application répond déjà imparfaitement avec des règles ou un modèle généraliste. Nommez la sortie et définissez les valeurs que votre code sait gérer. Fixez jev-1.13.0 une fois le seuil réglé.

const response = await fetch("https://jevmodel.org/v1/systemone", {
  method: "POST",
  headers: {
    "Authorization": "Bearer " + process.env.JEVMODEL_API_KEY,
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    state: message,
    model: "jev-latest",
    questions: {
      topic: {
        type: "choice",
        instructions: "What is this about?",
        criteria: { billing: "payments", bug: "broken product", account: "access" }
      }
    }
  })
});
const result = await response.json();

Score : placer Jev sur une échelle ordonnée

Demandez à Jev où l’état se situe sur une grille de 2 à 10 niveaux décrite en mots. Le score renvoyé peut être fractionnaire. Utilisez-le pour l’urgence, le risque, la qualité d’un lead ou la priorité de revue — puis appliquez un seuil dans le code.

Noul : une probabilité oui/non de Jev

Un noul est une probabilité calibrée qu’une proposition soit vraie. C’est la bonne primitive pour les portes escalate / allow / needs-review. Il n’y a pas de champ de confiance séparé : la probabilité est la mesure de certitude.

Regrouper des décisions Jev liées

Demandez le topic, la severity et l’escalation dans la même requête quand elles partagent le même état d’entrée. Elles s’exécutent ensemble et partagent le coût en tokens de l’état. Gardez chaque question utile indépendamment pour pouvoir la mesurer.

questions: {
  topic: topicQuestion,
  severity: severityQuestion,
  escalation: escalationQuestion
}

Prévoir un repli derrière chaque action Jev

Une valeur typée facilite le branchement, mais ne le rend pas sans risque. Journalisez l’entrée, la sortie, la probabilité, la version du modèle et le résultat aval. Fixez un seuil de confiance et routez les cas incertains vers GPT, Claude ou un humain.