先做一个
值得验证的判断。

先说边界Jev 的价值在有边界的判断，不在生成文字。一个类型正确的结果仍可能是错误判断；安全、权限、算术和最终动作仍应由确定性代码负责。

1. 先选对第一个任务

第一个任务要满足三件事：状态已经存在、答案空间有限、错误可以安全回退。客服分流是一个好起点：把一条请求路由到 billing、technical、account 或 other，并把不确定的结果交给人工。

别从写回复、总结长文、复杂计算、批准权限或物理安全动作开始。先读 官方 System One 说明 和 已知限制。

2. 在 Playground 先看难例

1. 登录 TypeSafe Console，账户可用性与额度以控制台为准。
2. 打开 Playground，粘贴一条代表性 state。
3. 先问一个问题，再用同一 state 对比 Choice、Score 和 Noul。
4. 特意保存缺信息、两类都像、中文、否定、日期和可能含恶意指令的样本。

Playground 用于磨题目，不是性能证明。变更题目、候选项或 rubric，都会改变输出分布。

3. 把问题写成合适的原语

State 只放回答当前问题所需的事实，并记录来源、时间与不确定性。外部文档里的内容只能是数据，不能改写你的业务规则或题目。

4. 跑通第一个调用

export TYPESAFE_API_KEY="your-key"
pip install typesafe-sdk

from typesafe_sdk import Choice, Noul, TypeSafeClient

client = TypeSafeClient()
result = client.system_one(
    state={"message": "My invoice was charged twice. Please fix this today."},
    questions={
        "queue": Choice(
            instructions="Choose the owning support queue.",
            criteria={
                "billing": "Invoices, payments, refunds, or duplicate charges.",
                "technical": "Product bugs, integration errors, or outages.",
                "account": "Access, identity, or account settings.",
                "other": "The message does not fit the listed queues.",
            },
        ),
        "needs_human": Noul(
            instructions="A human should review this before any automated reply."
        ),
    },
)

queue = result.answers["queue"]
action = "human_review" if (
    result.answers["needs_human"].noul >= 0.5 or queue.confidence < 0.70
) else f"route:{queue.choice}"
print({"model": result.model, "action": action, "queue": queue.choice})

0.70 只演示策略结构，不是推荐阈值。对比结果时固定模型版本，并记录响应实际返回的模型名、题目、候选项顺序和最终动作。完整接口以 Python SDK 为准。

5. 让代码拥有最后决定权

Confidence-gated routing 和 intent routing 是下一步好材料，但都不能代替你自己的验证集。

6. 只在留出样本上相信它

• 类别、other、中文、缩写、否定、缺字段和脏数据是否都有覆盖？
• 改变选项名字、顺序或 rubric 后会不会无理翻转？
• 低置信度是否进入了安全回退？高置信度的错误是什么？
• p50 / p95、重试、网络地区和每次调用问题数是否被记录？

把 研究与评测 里的选项名敏感性和中文客服实验当作要复查的风险，而不是对你项目的预测。