APIMaster.ai
返回部落格
APIMaster 部落格

如何搭配 APIMaster 使用 Jev API

了解如何搭配 APIMaster 使用 Jev。透過原生 System One 端點向 jev-latest 傳送具型別的問題、檢視機率，並將結果接入你的應用程式，而不必把 Jev 當成聊天模型來用。

Jev APIHow to use JevTypeSafeSystem OneAI API integrationAI API pricingAPIMaster

發布於 2026-09-21

官方價格比較： 每 100 萬輸入 token -e.042 的即時價格與 TypeSafe 公開價格相同（沒有加價）。

GPT 體驗卡（GPT-6 Astra、GPT-5.6、GPT-5.5和GPT Image 2 可用）

現在註冊，領取 $20 GPT 體驗卡

立即領取

快速解答

你現在就能透過 APIMaster 呼叫 Jev。 建立一組 APIMaster API 金鑰，向 https://apimaster.ai/v1/systemone 傳送 POST 請求，將 model 設為 jev-latest，並提供一個 state 以及一或多個具型別的 questions。Jev 會回傳結構化的決策與機率；它不是聊天模型，也不會回傳助理訊息。

目前 APIMaster 的供應狀態，查核於 2026 年 9 月 21 日：

  • 模型 ID： jev-latest（目前實際路由解析至 Jev 1.13）
  • 端點： POST https://apimaster.ai/v1/systemone
  • 價格： 每 1M 輸入 token 為 $0.042；輸出為 $0
  • 販售中的路由： 1 條啟用中的路由
  • 輸入： state 中的文字、JSON 物件或陣列
  • 輸出： 具型別的 Choice、Score 或 Noul 答案，附帶機率與信心度

Jev 市集卡片 是即時價格與供應狀態的準確來源。APIMaster 的 Jev API 文章詳細說明了此模型與其限制；本頁則聚焦於最短可行的整合方式。

Jev 的功能

Jev 是 TypeSafe 的 System One 系列旗下的決策模型。當你的應用程式需要分類、排序、驗證或路由某項內容，且答案應該符合你事先定義的結構描述時，它就能派上用場。

你不必要求自由形式的文字，而是在 questions 中描述各項決策：

  • Noul： 帶有機率的是／否判斷
  • Choice： 從清單中選出一個選項，並附上各選項的機率
  • Score： 對照你定義的等級進行評分

這讓 Jev 非常適合用於審核閘門、意圖分類、瀏覽器動作、路由、擷取與代理檢查。算術、日期、計數與文字生成則留給應用程式碼或生成式模型處理。Jev 負責決定；另一個元件則負責撰寫回應。

透過 APIMaster 呼叫 Jev

1. 建立 APIMaster 金鑰

在 APIMaster 建立帳號、加入隨用隨付（pay-as-you-go）額度，並在 API Keys 建立金鑰。將金鑰存為環境變數：

export APIMASTER_API_KEY="your_api_key"

2. 傳送第一個請求

APIMaster 的 Jev 路由保留了 Jev 原生的 System One 請求格式。請勿傳送 messages、prompt 或 OpenAI chat-completions 格式的 payload。

curl -X POST "https://apimaster.ai/v1/systemone" \
  -H "Authorization: Bearer $APIMASTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "jev-latest",
    "state": "A user says: I was charged twice for the same order.",
    "questions": {
      "intent": {
        "type": "choice",
        "criteria": {
          "billing_issue": "Charges, refunds, invoices, or payments.",
          "technical_issue": "Bugs, outages, or integration problems.",
          "general_question": "All other general support questions."
        },
        "instructions": "Choose the user's primary support intent."
      },
      "needs_human": {
        "type": "noul",
        "instructions": "Should a human support agent review this case?"
      }
    }
  }'

回應會包含每個問題的答案，其中包括所選的值與機率資料。在採取不可逆動作之前，請先在程式碼中設定閾值。舉例來說，只有在 intent 信心度高於你團隊已驗證的閾值時，才路由至自動化流程。

3. 在 Python 中使用回應

import os
import requests

response = requests.post(
    "https://apimaster.ai/systemone",
    headers={
        "Authorization": f"Bearer {os.environ['APIMASTER_API_KEY']}",
        "Content-Type": "application/json",
    },
    json={
        "model": "jev-latest",
        "state": {"message": "The checkout page crashes after I upload a receipt."},
        "questions": {
            "category": {
                "type": "choice",
                "criteria": {
                    "bug": "A technical fault or product error.",
                    "billing": "A charge, refund, invoice, or payment issue.",
                    "account": "Account access, identity, or settings."
                },
                "instructions": "Classify the support request.",
            },
            "urgent": {
                "type": "noul",
                "instructions": "Does the request require urgent handling?",
            },
        },
    },
    timeout=30,
)
response.raise_for_status()
result = response.json()
print(result)

同一組 APIMaster 金鑰可用於 Jev，以及你的應用程式在決策之後呼叫的生成式模型。這對兩步驟流程很實用：先讓 Jev 分類或路由，再只將被選中的案例送往文字模型。

一個實用的路由模式

Jev 作為生成式模型外圍的控制層最為有用。典型的請求流程如下：

  1. 將相關的使用者輸入或文件欄位放入 state。
  2. 在單一請求中提出多個小問題，而不要每個問題各發一個請求。
  3. 在應用程式碼中檢查回傳的機率。
  4. 依據你的閾值選擇佇列、工具、模型或備援方案。
  5. 只有在應用程式需要文字、程式碼或長篇答案時，才呼叫生成式模型。

舉例來說，客服應用程式可以用 Jev 在一次呼叫中辨識意圖、急迫性，以及是否需要查詢帳戶。接著它就能將工單路由給真人、擷取正確的帳戶資料，或呼叫文字模型草擬回覆。

這種分工不同於要求 LLM 回傳 JSON 並期望它遵循結構描述。Jev 的輸出型別是請求契約的一部分。這也意味著你不應將 Jev 用於需要撰寫最終回應的任務。

Jev 與聊天模型的比較

需求 使用 Jev 使用生成式模型
從已知集合中選擇一個標籤 是 通常沒必要
評估某個條件是否為真 是 可行，但較難約束
將請求路由至工具或模型 是 可行，但成本更高
摘要一份文件 否 是
撰寫面向使用者的答案 否 是
執行算術或精確計數 留在程式碼中處理 留在程式碼中處理

關於此模型的架構、限制與已公開的使用案例，請參閱 Jev API：它是什麼以及何時使用。若想與以 LLM 為基礎的判斷方式直接比較，請參閱 Jev vs LLMs。

常見的整合錯誤

傳送聊天格式的 payload。 https://apimaster.ai/v1/systemone 預期的是 state 與 questions，而不是 messages 與 temperature。

期待文字輸出。 Jev 回傳的是具型別的決策。最終的說明或回覆請使用生成式模型。

每個問題各發一個請求。 將相關問題放在同一個請求中，讓模型能對照同一份共享的 state 進行評估。

把信心度當成保證。 機率是供路由與審查使用的訊號。在用於正式環境的決策之前，請先以你自己的範例驗證閾值。

將 Claude Code 或 Codex 直接指向 Jev。 這些工具預期的是 Anthropic Messages 或與 OpenAI Responses 相容的模型行為。Jev 更適合放在 skill、hook、MCP 工具或路由器中。可行的模式請參閱 如何搭配 Claude Code 與 Codex 使用 Jev。

FAQ

Jev 可透過 APIMaster 使用嗎？

可以。使用 jev-latest 搭配 POST https://apimaster.ai/v1/systemone。目前即時市集卡片顯示一條啟用中的路由，價格為每 1M 輸入 token $0.042，且不收取輸出費用。

Jev 端點與 OpenAI 相容嗎？

不相容。APIMaster 為此模型提供 Jev 原生的 System One 契約。請使用 state 與具型別的 questions；請勿使用 /chat/completions。

Jev 能生成摘要或答案嗎？

不能。Jev 回傳具型別的決策與機率。當應用程式需要文字時，請將結果交給生成式模型。

我可以將同一組 APIMaster 金鑰用於其他模型嗎？

可以。一組 APIMaster 金鑰即可呼叫 Jev 以及你帳戶已啟用的其他模型。請查看各市集卡片，以了解目前的模型 ID、路由與價格。

我該從哪裡開始？

從上述請求開始，蒐集具代表性的範例，並在將 Jev 加入自動化動作之前先驗證你的閾值。接著閱讀完整的 Jev API 指南與 Claude Code/Codex 整合指南。

建立 APIMaster 帳號、加入額度、在 API Keys 建立金鑰，並透過 https://apimaster.ai/v1/systemone 呼叫 jev-latest。

返回部落格