前言¶

工单来了要分到哪个组、用户这句话是投诉还是咨询、这条消息情绪偏负到什么程度——这类问题如果每次现写规则或调一次大模型问答，代码会很快长出一堆 if-else 和临时 prompt。jev 把这类「给定一段文本，给出结构化判断」的需求收敛成一个统一接口：你传入状态文本，它提出结构化问题，返回概率分布和置信度。

下面介绍这个 Skill 的定位、能力边界和用法。

这是什么¶

jev 是一个基于通用 SKILL.md 格式的 Agent Skill，坐标 @user_9be9205b/jev，版本 1.0.0，分类 ai-agent，由社区发布者 user_9be9205b 发布。

它做的事是：调用 OpenRouter 的 alpha 接口 typesafe/jev 类型安全决策模型，对任意状态文本（state）提出结构化问题，返回概率分布与置信度。也就是说，它不是通用对话模型，而是一个把「判断」变成有类型约束的输出、并附上可信度的分类/打分组件。

截至抓取时间，SkillHub 页面显示评分 100000、下载 1972、安装 0。安装数为 0 意味着目前还没有通过该页面产生的安装记录，采用前需要自己评估。

核心功能¶

jev 只做一件事：结构化决策。具体包含三部分能力。

1、三类问题形式。分别是布尔 noul、单选 choice、打分 score。布尔用于「是/否」判断，单选用于「选哪一个类别」，打分用于「有多强/程度多少」。

2、概率分布输出。返回不是单一标签，而是概率分布。单选场景下你能拿到每个候选类别的概率，而不是只得到「A」这一个结论。

3、置信度。每次决策附带置信度，便于在低置信时转人工或走兜底逻辑。

触发词包括 jev、决策模型、类型安全分类、工单分类、意图分类、OpenRouter decisions。Agent 在匹配到这些词时可以加载本 Skill。

需要留意：模型走 OpenRouter 的 alpha 接口。alpha 接口在字段和可用性上通常不稳定，接入前要先确认当前端点可用。

安装与启用¶

SkillHub 页面给出的技能坐标如下。

坐标：@user_9be9205b/jev
版本：1.0.0
来源：community
分类：ai-agent

页面标注 requires_api_key=true，即需要 API Key。因为模型通过 OpenRouter 调用，这个 Key 应当是 OpenRouter 的 Key；具体在 SKILL.md 中如何配置，以 Skill 包内的说明为准。

需要说明的是：本次抓取中 SkillHub 页面正文没有返回，api.skillhub.cn/user_9be9205b/jev 和 www.skillhub.cn/skills/user_9be9205b/jev 均抓取失败，因此官方的安装命令、目录路径和配置文件字段我无法核实。下列内容没有写入，避免编造：

• 具体的安装命令（如 skillhub install ... 或 npx ...）；
• SKILL.md 中的 frontmatter 字段名与取值；
• Cursor / Codex CLI / Claude Code 在安装方式上的差异。

实际使用时，请以 Skill 包内的 SKILL.md 和 SkillHub 页面的安装说明为准。

典型用法¶

官方简介没有给出完整的入参 schema 或可复现的调用示例，下面按资料中描述的能力边界，写出一次决策的调用结构。具体字段名需以 SKILL.md 为准。

输入：state = "待判断的状态文本"
提问类型：noul | choice | score
返回：概率分布 + 置信度

一次典型调用可以拆成三步。

1、准备 state。把工单正文、用户消息或其他需要判断的文本作为 state 传入。state 是任意文本，不限定格式。

2、选择问题类型并提问。如果只是判断「是否属于某个类别」，用 noul；如果需要在多个候选类别中选一个，用 choice；如果需要判断程度或强度，用 score。

3、读返回结果。从概率分布里取需要的类别或区间，用置信度决定是否继续往下走——置信度过低时转人工、走默认分支或重新提问。

以工单路由为例，state 可以是工单全文，提问用 choice，候选类别是各处理组；以情绪打分为例，state 是消息文本，提问用 score，得到分值与置信度。这两处是场景映射，不是官方提供的示例，仅用于说明参数该怎么组织。

适用场景与注意¶

适合的场景：

• 工单路由、意图分类这类「给定文本 → 选类别」的任务；
• 情绪打分、严重程度打分这类「给定文本 → 给程度」的任务；
• 需要在结构化输出上做阈值判断或兜底的逻辑，置信度可以直接接入分流规则。

需要注意的限制：

1、模型来自 OpenRouter alpha 接口，字段和可用性可能变化。生产环境使用前先确认接口状态，并准备好降级路径。

2、来源是 community，发布者是 user_9be9205b，不是官方维护。代码质量和长期维护需要自行评估。

3、页面显示安装数为 0，暂无公开的采用记录可参考。

4、需要 API Key，会产生 OpenRouter 的调用费用，成本需按实际调用量评估。

5、资料没有给出延迟、吞吐、上下文长度等指标，这些要在接入前实测。

结尾¶

jev 的价值在于把「文本分类/打分」这件事变成统一的结构化决策：三类提问形式、概率分布加置信度，足够覆盖工单路由、意图分类、情绪打分这些常见场景。它基于 OpenRouter 的 alpha 接口，稳定性和长期维护需要自己把关。

官方地址：https://api.skillhub.cn/user_9be9205b/jev
SkillHub 页面：https://www.skillhub.cn/skills/user_9be9205b/jev