Jev

TypeSafe Jev est un modèle de décision : il ne génère pas de texte et répond uniquement à des questions définies à l’avance. La requête contient le contenu à évaluer et un ensemble de questions ; le modèle renvoie pour chaque question une réponse structurée accompagnée de sa probabilité, sur la base de laquelle le programme peut exécuter directement sa logique de branchement.

Cas d’usage

Adapté à :

• Classification et routage : équipe chargée de traiter un ticket, catégorie d’intention de l’utilisateur.
• Décisions oui/non : présence de données personnelles, demande de remboursement, tentative d’injection de prompt.
• Notation et classement : degré d’urgence, pertinence, intensité du sentiment, ainsi que filtrage de résultats de recherche.
• Contrôle qualité des sorties de LLM : pertinence de la réponse, non-conformité aux règles.

Non adapté à :

• La génération de texte, de résumés, de traductions ou de code.
• Les décisions portant sur des images (Jev n’accepte que du texte et du JSON en entrée ; pour les images, utilisez GPT-6 Luna).
• Les questions ouvertes dont les réponses ne peuvent pas être définies à l’avance sous forme d’options ou de niveaux.

Comparaison avec l’approche « modèle de chat + sortie JSON » :

Démarrage rapide

1. Préparer les informations de connexion : créez une clé API dans la console OfoxAI , puis utilisez les informations suivantes :

2. Installer le SDK : pour effectuer l’appel avec le SDK Python officiel d’OpenAI, installez une version qui inclut client.decisions :

pip install -U openai

3. Effectuer l’appel :

import os
from openai import OpenAI
 
client = OpenAI(base_url="https://api.ofox.ai/v1", api_key=os.environ["OFOX_API_KEY"])
 
r = client.decisions.create(
    model="typesafe/jev-latest",
    input="Customer message: I was charged twice, nobody has answered my two emails, and I need a refund today.",
    questions=[{"type": "predicate", "name": "is_frustrated", "instructions": "Is the customer frustrated?"}],
)
print(r.answers[0].probability)  # 0.98

curl https://api.ofox.ai/v1/decisions \
  -H "Authorization: Bearer $OFOX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "typesafe/jev-latest",
    "input": "Customer message: I was charged twice, nobody has answered my two emails, and I need a refund today.",
    "questions": [
      { "type": "predicate", "name": "is_frustrated", "instructions": "Is the customer frustrated?" }
    ]
  }'

Exemple de réponse :

{
  "model": "typesafe/jev-latest",
  "answers": [{ "type": "predicate", "name": "is_frustrated", "probability": 0.98 }],
  "usage": { "prompt_tokens": 302, "completion_tokens": 23, "total_tokens": 325 }
}

probability indique la probabilité que la réponse soit « oui » ; une valeur de 0.98 signifie que le modèle estime très probable que le client soit mécontent. Pour l’appliquer à votre propre cas d’usage, remplacez input par le contenu réel et questions par les questions réelles.

Types de questions

Choisissez le type de question en fonction de la forme du résultat attendu :

Exemples : « S’agit-il d’une demande de remboursement ? » relève de predicate ; « Quelle équipe doit traiter ce ticket ? » relève de choice ; « Quel est le degré d’urgence ? » relève de score. Les trois questions peuvent figurer dans la même requête, qui renvoie alors toutes les réponses en une fois.

Une fois le type de question déterminé, vérifiez les questions et les options en vous reportant à Conception des questions.

Erreurs courantes

La liste complète des erreurs figure dans Decisions API · Erreurs courantes.

Documentation officielle

• TypeSafe · Documentation 
• TypeSafe · Exemples de cas d’usage 

Questions fréquentes