用 Jev 解决真实任务
每个工具都是为一项具体任务设计的一组 Jev 问题。打开任意一个，就能在自己的文本上运行，查看 Jev 在真实示例上的返回结果，并了解如何把它变成流水线里的一步。
- 用 Jev 当评判模型对照参考资料检查 LLM 的回答，给出带概率的上线 / 修改 / 拒绝判定。打开工具
- LLM 路由器在花钱生成回答之前，先判断提示词难度，并选定小、中或前沿模型。打开工具
- 提示词注入检测识别 LLM 输入中的指令覆盖和数据外传请求，给出放行 / 净化 / 拦截的判定。打开工具
- 客服工单分拣把客服工单分派给正确的团队、评估紧急程度并标记流失风险，每一项都带概率。打开工具
- 上下文压缩给对话片段打出保留或丢弃的分数，让压缩只删掉过时内容，其余逐字保留。打开工具
- 内容审核把用户评论分为放行 / 复审 / 删除，并分别给出骚扰和垃圾广告的概率。打开工具
- 线索评估给入站线索的匹配度打分、判断购买阶段、检查是否有时间表，每项都带概率。打开工具
- RAG 评估检查 RAG 回答是否有据，并区分检索失败与生成失败，每项都带概率。打开工具
- 工具调用守卫对 Agent 拟发起的工具调用评估意图是否一致和风险高低，给出执行 / 确认 / 拦截的判定。打开工具
- 简历筛选判断候选人与岗位的匹配度、检查资历、建议下一步，并把带概率的结果交给人工复核。打开工具
- 引用核查对照一段原文核查一个说法：支持、部分支持还是不支持，以及是否夸大。打开工具
- 评价情感分析把商品评价分为正面、褒贬参半或负面，估计对应的星级，并标出退款请求。打开工具
入门
集成
把 Jev 接入 Claude Code、Cursor 和其他 MCP 客户端。
对比
拿 Jev 和其他能得到同样答案的方式做对比。