跳至正文
Jev AI

通过 Jev API 学习，并将智能体决策付诸实践。

学习模型路由、工具调用审查与证据验证的实用指南。然后在独立调试环境中使用你的 OmniaKey 账户测试原生 Jev 请求。

打开在线调试从 API 教程开始

接入 Jev AI

api.omniakey.com

调用 OmniaKey Jev API

/v1/alpha/search
curl -X POST "https://api.omniakey.com/v1/alpha/search" \
  -H "Authorization: Bearer ${OMNIAKEY_API_KEY}" \
  -H "Content-Type: application/json" \
  --data '{
  "model": "jev-latest",
  "state": {
    "task": "Review a complex customer dispute with 100k context and tool use",
    "candidates": [
      {
        "id": "fast-model",
        "description": "Fast general model with 32k context",
        "cost": "low",
        "latency": "low"
      },
      {
        "id": "reasoning-model",
        "description": "Strong reasoning, 200k context, and tool use",
        "cost": "high",
        "latency": "medium"
      }
    ],
    "priorities": [
      "quality",
      "context",
      "tool_use",
      "cost"
    ],
    "constraints": [
      "Customer data must remain within approved tools"
    ],
    "stakes": "high"
  },
  "questions": {
    "model": {
      "type": "choice",
      "instructions": "Select the best approved candidate using the stated quality, context, tools, cost, latency, and stakes. Do not assume undocumented capabilities. Choose escalate when no candidate is adequate or evidence is insufficient.",
      "criteria": {
        "fast-model": "Choose this approved model if its documented capabilities satisfy the task, priorities, constraints, and stakes: {\"id\":\"fast-model\",\"description\":\"Fast general model with 32k context\",\"cost\":\"low\",\"latency\":\"low\"}",
        "reasoning-model": "Choose this approved model if its documented capabilities satisfy the task, priorities, constraints, and stakes: {\"id\":\"reasoning-model\",\"description\":\"Strong reasoning, 200k context, and tool use\",\"cost\":\"high\",\"latency\":\"medium\"}",
        "escalate": "No approved candidate can safely satisfy the task, or the provided evidence is insufficient to select one."
      }
    }
  }
}'

Agent 配置

使用 OmniaKey API Key 发送原生 Jev 请求，并接收模型答案。

创建访问密钥

Jev 模型指南

先测试一次判断，再检查它的依据。

Jev 是 TypeSafe AI 开发的决策模型。本站是独立调试工具：你可以定义状态与问题、检查完整请求，再通过自己的 OmniaKey 账户查看模型答案。

试用原生 Jev 请求
模型基础面向 Agent 的 Jev AIJev 模型指南Jev API 指南调试台功能工作流预设
维度Jev生成式大模型
输出结构化选择、概率和评分生成文本、代码和工具参数
适合场景路由、分类、评分和决策门禁规划、解释、编码和内容生成
不确定性校准概率是响应的一部分置信度处理取决于工作流设计

结构化请求

在工作流加入决策步骤前，先测试输入并检查答案。

Jev AI 通过 OmniaKey 提供经过校验的输入、可编辑工作流预设与结构化答案。Agent 保留自己的模型、工具、权限与审批规则。

了解 API 接入

Jev API 实战教程

先读懂一个例子，再运行自己的请求。

查看全部 9 篇教程 →
从这里开始

Jev API 快速开始：通过 OmniaKey 发起第一次请求

从 OmniaKey API Key 到第一次 Jev 请求：使用 curl 和 Node.js 发送原生协议，读取响应，并排查鉴权、余额与限流问题。

阅读教程模型路由

用 Jev 实现 LLM 模型路由：候选模型、约束与回退

把任务上下文、模型能力和预算约束转换为 Jev 路由请求，读取选择与概率，处理无法选择的情况，并与固定模型方案比较效果。

阅读教程工具防护

AI Agent 工具调用防护：用 Jev 辅助审批与风险检查

以退款工具为例，构建包含副作用、授权和审批规则的 Jev 请求，区分允许、确认、复核与拒绝，并保留代码层面的硬性权限控制。

阅读教程

这些决定，不该只凭 Agent 的直觉。

Jev AI 通过可编辑的工作流预设和原生 API 调试台，让你调用并检查 Jev 的结构化决策。

model-route

智能模型路由

在你允许的模型中，根据任务风险、质量、成本、延迟、上下文和工具需求进行选择。没有安全候选时主动升级。

输入
task + candidates
决策信号
quality / cost / latency
输出
model + escalate
tool-guard

工具调用防护

在 Agent 改变外部状态之前，检查操作内容、副作用、防护措施、可逆性和你的策略。

allow / confirm / review / deny

Research Guard

判断现有证据是否充分、相互矛盾、已经过时，或可以放心引用。

Completion Reviewer

判断任务是否真的完成、还需一次检查，或应该退回继续实现。

自定义决策契约

通过通用 Decisions API 定义 choice、yes-or-unknown 和 score 类型问题。

一个 Jev 决策层，四种使用方式。

Jev AI 汇集在线决策调试台、原生请求示例和接入指南，帮助你把 Jev 用于 Agent 工作流。

原生请求示例

https://api.omniakey.com/v1/alpha/search

复制 REST 或服务端 JavaScript 示例，设置 OmniaKey 密钥，就能在自己的应用中发送同样的请求。

查看示例

OmniaKey Jev API

https://api.omniakey.com/v1/alpha/search

通过 OmniaKey 发送原生 Jev 状态和问题，用于模型路由、工具防护、调研、任务路由、完成审查或自定义决策。

查看 API 文档

可编辑的工作流预设

/zh/playground?preset=model-route

从模型路由、工具防护、任务路由、调研或完成审查开始，先检查输入与生成的原生请求，再运行测试。

查看工作流

Jev 在线调试台

/zh/playground

编辑预设输入，通过 OmniaKey 调用 Jev，并检查模型实际返回的选择、概率、评分和 Token 用量。

开始调试

实时 Jev API 调试

在 Agent 执行前，检查这次决策。

使用工作流预设或自定义 Jev 原生协议，通过 OmniaKey 运行决策。编辑 JSON 输入，检查模型实际返回的答案、概率和 Token 用量。OmniaKey API Key 仅保留在内存中，不会保存。

阅读当前预设的接入教程 →

选择工作流预设并提供任务上下文。预设会定义有限的 Jev 问题，通过 OmniaKey 评估输入，并返回模型原始答案。展开原生请求预览，即可检查实际发送的内容。

只用于本次请求，页面不会持久化保存。

请求地址

https://api.omniakey.com/v1/alpha/search

所有预设均通过 OmniaKey 的原生 Jev 接口调用 jev-latest 模型。

查看发送给 OmniaKey 的原生请求
{
  "model": "jev-latest",
  "state": {
    "tool": "issue_customer_refund",
    "action": "Refund USD 680 after a disputed duplicate charge",
    "arguments_summary": [
      "order_id=ord_7429",
      "amount_usd=680"
    ],
    "side_effects": [
      "Moves funds",
      "Changes the order payment state"
    ],
    "safeguards": [
      "Customer identity and duplicate charge verified"
    ],
    "policy": [
      "Refunds above USD 500 require human approval"
    ],
    "reversibility": "partially_reversible"
  },
  "questions": {
    "action": {
      "type": "choice",
      "instructions": "Evaluate the proposed tool call using policy, side effects, safeguards, authorization, and reversibility. Treat policy thresholds and missing approvals as constraints. This evaluation does not grant permission to execute anything.",
      "criteria": {
        "allow": "The action is authorized, within policy, and supported by adequate safeguards.",
        "confirm": "Ask the user to confirm intent or missing details before proceeding.",
        "review": "A policy approval or human review is required before this action can proceed.",
        "deny": "The action violates policy, lacks required authority, or must not proceed."
      }
    },
    "risk": {
      "type": "score",
      "instructions": "Rate the financial, operational, and policy risk of the proposed action.",
      "criteria": [
        "Low: routine and within policy.",
        "Moderate: limited, reversible effects.",
        "High: material effects or approval requirements.",
        "Critical: unsafe, unauthorized, or irreversible effects."
      ]
    }
  }
}
创建访问密钥

结构化响应

answers + probabilities + usage

结构化 Jev 响应会显示在这里。

运行请求后可以检查经 OmniaKey 返回的原始 Jev 答案、置信度、概率分布、实际模型版本和 Token 用量。

决策边界

把 Jev 用在工作流需要答案，而不是另一段文字的地方。

每个 Jev AI 预设都会把精简的工作流状态转换成边界明确的决策，并由 Agent 在现有权限内检查和执行。

查看全部使用场景

模型路由

为当前任务选择合适的模型

只在你允许的模型中，根据质量、上下文、工具能力、成本、延迟和任务风险进行比较。

工作流问题
哪个已批准模型能处理 100k 上下文和工具调用，同时避免浪费成本？
示例决策
reasoning-model
阅读场景说明调试这个预设

工具调用防护

在操作改变外部状态前进行审查

在 Agent 调用高影响工具前，评估副作用、防护措施、策略阈值和可逆性。

工作流问题
Agent 可以在没有人工确认的情况下发起这笔高金额退款吗？
示例决策
review · 0.91
阅读场景说明调试这个预设

任务路由

选择下一条工作流路径

根据明确证据，把有歧义的工作路由到快速执行、深入审查、任务拆分或阻止状态。

工作流问题
Agent 应该继续、深入审查、拆分任务，还是停止？
示例决策
review_deep
阅读场景说明调试这个预设

调研验证

检查证据是否支持当前结论

在 Agent 引用研究结果或据此行动前，判断证据覆盖、矛盾、来源质量和任务风险。

工作流问题
当前证据足以支持这项政策结论吗？
示例决策
insufficient
阅读场景说明调试这个预设

完成审查

避免把未完成的工作报告为已完成

在关闭任务前，对照目标、已完成工作、验证结果和已知缺口。

工作流问题
已经识别重复扣款但尚未退款，这项任务算完成了吗？
示例决策
verify_more
阅读场景说明调试这个预设

产品价值不是再提供一个模型接口。

Jev 提供结构化判断。Jev AI 让你先调试决策、检查模型原始答案，再将它用于自己的 Agent。

决策引擎

Jev 负责评估

System One 模型在明确选项中做出选择，并返回概率和评分。

Jev AI

可运行的决策层

输入契约

为每类决策定义输入和有限输出。

接入方式

可编辑输入、原生请求预览与 REST 示例。

触发规则

教 Agent 哪些工作流边界需要再次判断。

动作策略

把结果映射为继续、确认、审查或停止。

执行层

你的 Agent 执行

Agent 保留原有模型、工具、权限和人工审批边界。

Agent 接入流程

只需接入一次，在每个决策边界加入判断。

选择预设、预览原生请求，再用自己的 OmniaKey 密钥运行。结果返回后，由你决定应用如何处理。

01

准备 OmniaKey 密钥

在 OmniaKey 账户创建密钥。接入自己的服务端时，将密钥保存在环境变量中。

https://omniakey.com/zh/dashboard/tokens
02

选择工作流预设

编辑模型路由、工具防护、调研或完成检查的任务输入，再检查生成的问题。

/zh/playground?preset=model-route
03

交给 Jev 评估

发送精简任务状态和有限问题，获得选择、概率与评分。

choice + noul + score
04

执行你的策略

继续执行、请求确认、转人工审查或停止，全程不扩大 Agent 权限。

allow / confirm / review / deny

完成第一次受保护的决策。

从一个小型测试请求开始。在调试台检查模型返回的答案，再将 REST 示例接入自己的工作流。

  1. 在 OmniaKey 账号中创建 API Key。
  2. 在调试台选择预设，或将右侧 REST 请求直接发送至 OmniaKey。
  3. 检查答案、模型版本与 Token 用量，再决定如何接入自动化。
创建访问密钥阅读 OmniaKey 文档

OmniaKey REST 请求

jev-latest · /v1/alpha/search

curl -X POST "https://api.omniakey.com/v1/alpha/search" \
  -H "Authorization: Bearer ${OMNIAKEY_API_KEY}" \
  -H "Content-Type: application/json" \
  --data '{
  "model": "jev-latest",
  "state": "This is a synthetic integration test. No external actions are requested.",
  "questions": {
    "is_test": {
      "type": "noul",
      "instructions": "Is the input an integration test?"
    }
  }
}'

先在终端环境中设置 OMNIAKEY_API_KEY，再运行请求。密钥与账单由 OmniaKey 管理；本站不销售 API 额度。

关于 Jev AI 的常见问题。

了解调试台会发送哪些数据、怎样使用结果，以及在哪里管理账户。

Jev 是 TypeSafe AI 开发的决策模型，返回结构化选择、概率和评分。Jev AI 是通过 OmniaKey 调试该模型的独立工具，本站不是模型开发方，也不是 OmniaKey 官方网站。

不是。Jev 模型用于软件中的有限决策：分类、路由、评分、验证，或从调用方定义的选项中做出选择。生成式模型负责写作和规划，Jev 则负责关键决策边界。

可以从模型路由、工具防护、任务路由、调研检查或完成审查开始。每个预设都会把 JSON 输入转换为原生 Jev 请求；自定义预设允许你自行定义 state 和 questions。

可以直接调用 OmniaKey。Jev AI 提供可编辑的工作流预设、输入校验和原生请求预览，便于你先检查模型的结构化答案，再接入自己的工作流。

账户、API Key、账单和服务商支持均由 OmniaKey 管理。Jev AI 不签发密钥，也不销售 API 额度。使用前请查看 OmniaKey 最新条款、支持地区与模型可用情况。

不会。调试台返回结构化答案、概率和评分，真正执行仍由你的 Agent 或工作流负责，并继续受原有权限约束。

点击运行后，你的 API Key 和输入 JSON 会经过 Jev AI 服务器发送至 OmniaKey。本站应用不会持久化保存或记录密钥和请求正文；托管平台与服务商可能依据各自政策保留运行日志。页面会在内存中保留密钥，直到你清除它或关闭页面。任务输入中不要包含密码或客户隐私数据。

可以。在调试台输入 OmniaKey API Key，预览原生请求并运行，然后检查返回的模型版本、答案和 Token 用量。调用会使用你的服务商账户，并可能按照 OmniaKey 定价产生费用。

给你的 Agent 划清决策边界。

使用 OmniaKey 密钥发送一个小型请求，检查响应，再决定如何接入工作流。