1. 核心范式变革：System One（直觉决策）与 System Two（长思考生成）
在现代认知心理学与人工智能体系中，System Two（系统二）代表缓慢、深思熟虑、一步一步展开的分析过程。当今的主流生成式大语言模型（如 GPT-4、Claude、Llama）本质上都是系统二机器：它们依靠自回归逐步预测并吐出 Token，以此拼接成人类可读的长篇自然语言回答。
对于聊天对话和交互写作，这种生成方式非常惊艳；但在接入后端真实业务系统时，这种“逐字吐 Token”的方式面临致命短板：
- 延迟不可控： 生成百余字往往需要耗费 1 到 4 秒以上，无法支撑高吞吐在线 API。
- 输出难以保证确定性： 即使给出严格 Prompt，输出的 JSON 仍存在偶发缺字段、格式破碎或夹杂客套文本的风险。
- 幻觉与参数飘移： 模型可能捏造事实、篡改参数枚举，增加代码解析报错率。
Jev AI 正是 TypeSafe AI 为攻克这一生产难题给出的核心答卷。Jev 被专门设计为纯粹的 System One 决策系统：它不逐字生成无意义的解释性废话，而是针对既定状态与类型化问题，直接瞬间计算并输出精准校准的概率分布与确定性决策。
2. 三大核心类型化决策原语
开发者无需再费力编写冗长复杂的 Prompt 去祈求模型“严格输出合法 JSON”，而是直接使用官方 SDK 提供的强类型数学评估原语：
Choice（离散选择）
针对给定的候选选项数组，Jev 直接评估并返回完全归一化的精确概率分布与最高置信度结果，彻底消除非法枚举幻觉。
Choice(['账单查询', '技术支持', '通用咨询']) Score（置信度评分）
在 0.0 至 1.0 连续区间内输出经过严格校准的概率评分，供后端代码直接进行布尔阈值拦截或分流判断。
Score("风险控制阈值", min=0.0, max=1.0) Noul（结构化绑定）
将受控实体的属性与约束直接映射进严格的强类型数据模型，无多余文本生成损耗，一次请求直接序列化注入。
Noul(DeviceIntentSchema) 3. 架构对比总览
| 对比维度 | 传统生成式 LLM（System Two） | Jev AI（System One） |
|---|---|---|
| 主要设计目标 | 生成自然语言对话文本与说明 | 执行强类型结构化软件决策 |
| 端到端响应耗时 | 1,000ms – 5,000ms+（受 token 长度制约） | 150ms 以内极速完成网络往返 |
| 输出确定性 | 概率性字符串输出（易解析失败） | 严格类型约束原语（Choice/Score） |
| 幻觉规避 | 文本生成各环节均可能触发幻觉 | 非生成式；仅在限定集合内计算数学概率 |
| 并发调用模式 | 单次调用串行解码生成 | 支持大规模推测性意图并行扇出 |
4. 生产环境接入与后续实践
因为 Jev 并不会试图用“提示词黑盒”取代常规业务逻辑，它能够非常自然地嵌入到现有的 TypeScript 或 Python 微服务中。各大工程团队通常将其用于意图精准路由、高吞吐特征开关判定、动态接口限流与前置安全过滤。
5. 离线契约验证与示例说明
诚实声明： 真实调用 TypeSafe AI 云端服务必须持有来自 console.typesafe.ai 的官方 API Key 及网络连接。为演示客户端在无密钥环境下的类型与结构化边界，以下提供一个完全可在本地离线执行的 TypeScript 契约校验示例：
// 本地离线契约校验演示（非真实模型云端推理）
// 真实调用依赖：npm i @typesafe-ai/sdk 并配置 TYPESAFE_API_KEY
interface DecisionState {
userId: string;
orderTotal: number;
country: string;
}
const candidateRouting = ['fast_checkout', 'manual_fraud_review', 'standard_flow'] as const;
type RouteChoice = typeof candidateRouting[number];
function validateRoutingRequest(state: DecisionState, choices: readonly RouteChoice[]) {
if (!state.userId || state.orderTotal < 0) {
throw new Error('上下文状态非法');
}
return {
stateContext: state,
validChoices: choices,
primitive: 'Choice',
mode: 'offline_contract_demo'
};
}
const sample = validateRoutingRequest({ userId: 'usr_102', orderTotal: 450, country: 'CN' }, candidateRouting);
console.log('离线契约校验通过，候选分支:', sample.validChoices);
在线生产环境中，上述本地逻辑将替换为调用官方 SDK 的 client.choice(...) 方法，具体请参阅 Choice 官方文档。
6. 官方参考文献出处清单
本页对 Jev 架构特性与原语机制的技术断言均可溯源至以下官方公开资料：
- TypeSafe AI 官方介绍文档：模型定位与 System One 设计目标。
- System One 概念指南：决策模型与自回归生成模型的本质分工。
- Choice 原语技术规范：离散选择、概率归一化与置信度定义。
- Noul 原语技术规范：是非判定与校准概率输出。
- 推测性扇出架构模式：高并发意图评估实践。
- 官方机器可读文档索引 (llms.txt)：全站文档结构化目录。