Jev：結構化決策模型（多模態・box）

一句話：Jev＝結構化決策（非聊天）；1.14 可選圖像＋box 定位（實驗性）。

1. Jev 是什麼（公開）

• 廠商：TypeSafe；System One 決策模型。
• 輸出：typed＋機率；非長文生成。
• 適合：路由／分類／驗證／agent 門禁。
• 不適合：當聊天模型寫長文。
• 1.14：多語言＋實驗多模態（以官方為準）。

2. 存取路徑（可核對）

實作前請核對官方 endpoint／model id／計費。

教育用心智模型

# 概念（細節以官方為準）
# 1) 準備 API key（環境變數；勿提交 git／公開聊天）
# 2) 組 request：model + state + questions（可含 images/assets）
# 3) 若用圖像／box：依官方開啟 Danger-Zone-Images 標頭
# 4) 讀 answers.*（typed）→ 你的程式 if／門禁
# 5) 低信心或敏感副作用 → 人工覆核

• □ quickstart　□ 路徑選定　□ key 本機

3. 四種 primitives（公開）

拆成最小判斷；多模態問題宜簡單。

4. 多模態（1.14／danger zone）

• 官方：1.14 開啟多模態；稱先前已內建未對外開。
• 圖像經 assets 組合進請求。
• 需 Danger-Zone-Images（長上下文另有標頭）。
• 約 262K 上下文（以當日官方為準）。
• 官方：多模態仍鋸齒；勿未驗證上生產。

5. box 定位（可複製概念）

官方：單一目標；0–1 邊框＋confidence；需 1.14。

// 概念 JSON（示意；欄位／上傳方式以官方為準）
{
  "model": "jev-1.14.0",
  "state": { "photo": "…image ref…" },
  "questions": {
    "mug_visible": {
      "type": "noul",
      "instructions": "Is there a coffee mug in `photo`?"
    },
    "mug": {
      "type": "box",
      "instructions": "the coffee mug in `photo`"
    }
  }
}
// answers.mug.box → { top, bottom, left, right }
// 像素裁切：left*W, top*H, right*W, bottom*H（示意）

官方強調的陷阱

• 無 not-found → 配 Noul。
• 一題一 box；語言收窄目標。
• 大圖小目標：先切區再 box。
• 低信心：重裁／墊邊／邊檢查。

6. OPC 圖像／剪輯應用（公開範例）

Jev＝決策層；繪製／匯出用既有工具；人工審。

1) 商品圖：box 主體 → 裁切 → 人工確認比例後再上架
2) 掃描簽名：Noul「有簽名？」→ box 簽名區 → 遮罩／歸檔（合規用途）
3) 短影片關鍵幀：對靜幀 box 人物／物件 → 決定裁切安全區
4) 拼圖／蒙太奇：多張圖各做 box → 對齊中心再合成（腳本完成合成）
5) Agent 門禁：高風險工具呼叫前，用 Choice／Noul 核對「是否用戶要求」

Computer Vision → OPC → 多媒體 →

7. 安全與隱私（防衛向）

• 敏感圖先確認可否上雲。
• 金鑰環境變數＋輪換。
• 發佈／刪檔預設人工閘門。
• 資料分享選項預設保守。
• 只教防衛；無攻擊步驟。

8. 官方與公開來源