在 Microsoft Foundry 的 Agent 中使用 Jev 做模型评估
本文参考了 Microsoft Community Hub 上 Robin Lester 的文章 Using Jev with Agents in Microsoft Foundry for Model Evaluation,下面是我整理的理解和步骤。
Jev 是什么
Jev 是 TypeSafe AI 推出的新模型,2026 年 9 月 15 日开放了抢先体验。TypeSafe 把它称为自家第一个“System One”模型,它不写长篇文字,只负责又快又结构化地做判断。
用法很直接:把一段状态或上下文交给它,再说明你想让它做什么判断,它会返回一个带类型的概率化结果。结果有三种形式:
- Choice:从给定的选项里选一个
- Score:在一个有序的刻度上打分
- Yes/No 概率:判断某个条件成立的概率
普通 LLM 吐出的是字符串,Jev 放弃了这一点,换来类型安全的结构化数值。TypeSafe 自己的说法是:输入非结构化的状态,输出带类型的概率化决策。
为什么要用 Jev
当应用需要的是一次判断,而不是一段回答时,Jev 最能派上用场。比如:
- 按明确定义的标准做一致的评估
- 输出结构化结果,应用可以直接消费
- 分类、评估、路由和决策支持
- 在 Agent 工作流里,先判断再决定要不要执行动作
- 做护栏,例如判断 Agent 该不该发起某次工具调用
- 做模型路由,由一次判断决定请求交给哪个模型或流程
每个决策还可以带上置信度或概率。有了这个数,应用就能设阈值:高于阈值自动往下走,低于阈值转人工复核。
Jev 与可解释性
对于 Model-as-a-Service(MaaS)和托管的 LLM 方案,Jev 提供了另一种解释思路。
SHAP 这类传统的可解释性技术给出的是特征归因,解释模型为什么做出某个预测。但模型只通过托管 API 访问、拿不到内部结构时,这些技术就很难用上。
Jev 不能取代 SHAP,给不出同类的特征归因。它的位置是一个独立的判断层:按明确的标准去评估 LLM 的输入、输出或打算执行的动作,再返回带置信度的结构化决策。流程大概是这样:
LLM 生成答案 → Jev 评估答案 → 应用决定下一步
对那些看不透内部的 MaaS 模型来说,这等于在外面套了一层可度量的评估。
换成另一个 LLM 行不行
行。你完全可以让普通 LLM 对输入做分类、打分或评估,并要求它输出 JSON。
区别在于 Jev 是专门为这类任务造的,不是通用的文本生成模型。TypeSafe 称 Jev 并行产出结果,而不是逐个 token 顺序生成,托管服务目前标称的典型决策延迟约为 70 到 500 毫秒。
价格
截至 2026 年 9 月,TypeSafe 文档里列出的 Jev 1.13(jev-1.13.0)价格是每百万输入 token 0.042 美元,输出 token 免费。限速是每秒 250,000 个 token、每分钟 1,200 次请求,不过 TypeSafe 说明这些限制可能调整。
Jev 产出的是决策而不是文本,所以你付费的对象是它要评估的上下文,而不是生成的内容。
价格可能变动,以上数字仅在原文发布时有效。
在 Microsoft Foundry 里使用 Jev
我觉得比较实用的一种搭法,是在 Microsoft Foundry 里把 Jev 当成生成式模型旁边的专用判断组件:
用户/应用 → Foundry 模型或 Agent → Jev 判断 → 确定性逻辑 → 动作/响应
举个例子:Foundry 上托管的模型先生成一个候选答案,Jev 按预设标准评估这个答案,应用再根据评估结果决定流程能不能继续。
具体配置步骤如下。
申请 Jev 并创建 API Key
先向 TypeSafe 申请 Jev 的预览资格。有了账号以后,需要创建一个 API Key。
在菜单里进入 API Keys,新建一个 Key,并把它复制下来,后面要在 Foundry 里用。
你可能还会收到一些免费额度。Jev 的单价很低,拿来做实验绰绰有余。
在 Foundry 里创建 Agent 并添加 OpenAPI 工具
接下来到 Foundry 里为 Jev 新建一个 Agent。在 Agent 里添加一个 Tool,选择 OpenAPI tool,如下图所示。
然后按下图填写对话框。
这里需要新建一个连接。
Key 的格式是 Bearer apikey_<你的 Key 的其余部分>。
Schema 部分填入下面这段:
|
|
给 Agent 写指令
这个例子里我们用 Jev 来评估客户投诉,所以 Agent 的指令如下:
|
|
试一条投诉
现在给它一条投诉,看看 Jev 怎么判断:
|
|
Agent 的回复如下:
|
|
这样 Jev 的决策和背后的概率就都看得到了。这条投诉几乎不可能和账单有关,客户的语气是 frustrated,需要当天处理的概率高达 0.85。
我最看重的是接下来这一步。下一步动作不必靠生成的文字来推断,应用直接拿这些结构化的概率做确定性处理就行:路由投诉,升级处理,置信度低于设定的阈值时就转人工复核。
- 本文作者:BeanHsiang
- 本文链接:https://beanhsiang.github.io/post/2026-10-01-using-jev-with-agents-in-microsoft-foundry-for-model-evaluation/
- 版权声明:本作品采用知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议. 进行许可,非商业转载请注明出处(作者,原文链接),商业转载请联系作者获得授权。