用 Jev 做线索评估：匹配度、购买阶段和时间表

这个工具检查什么

上面的示例是一家 40 人物流公司发来的入站消息。他们想对收到的货运邮件做分类，每月大约 2 万封，需要在 Q1 之前上线，并询问团队套餐的价格，希望这周约个电话。Jev 在一次调用里回答三个问题：

这条线索是个好测试，因为它卡在两个阶段之间。它说公司"正在评估工具"，这正是 evaluating 的描述；但它又问了价格、约了电话，这恰好是 ready_to_buy 的定义。只给一个标签会把这种矛盾藏起来，而 buying_stage 上的概率分布会把它摆出来，置信度则告诉你要不要直接把线索交给销售。

消息很短，问题只有三个，所以这是一次标准评估：在 JevStation 上扣 1 点。三个问题针对同一份 state 并行作答，在匹配度和阶段之外再问一个时间表，几乎不增加延迟。

怎么写好线索评估问题

在匹配度问题里描述你的理想客户。 示例问的是线索和"一个 B2B API 产品"的匹配度，这是有意写得笼统。换成你真正卖的东西、真正会买的人，并给 Score 的每一级写一句说明。Jev 会按字面理解指令，所以"什么是好线索"的定义就写在评分表里。

阶段之间要互斥。 示例里每个选项都有一句定义：researching 是"刚开始了解这个问题"，ready_to_buy 是"询问价格、合同或约电话"。如果两个阶段都可能完全成立，置信度就会因为与线索本身无关的原因而下降。把边界写进 criteria。

给时间表的 Noul 写上 criteria。 预设里只问了"线索是否提到明确的时间表？"。"Q1 之前""这周"算明确，"尽快"不算。把这点写清楚：

{
  "type": "noul",
  "instructions": "Does the lead mention a concrete timeline?",
  "criteria": {
    "true": "The lead names a date, a quarter, a week or a deadline for going live or deciding.",
    "false": "The lead gives no time frame, or only a vague one such as soon or eventually."
  }
}

数字交给代码。 "40 人""每月 2 万封邮件"正是销售最关心的细节，但 TypeSafe 把计数和数字比较列为弱项。如果公司规模或业务量决定线索等级，先做数据补全、在代码里比较，再把结果放进 state。

更多关于问法的内容，见设计 Jev 能回答的问题。

从一条线索到流水线里的一步

1. 用已经有结果的线索回测。 50 到 200 条标好"成交""丢单""未转化"的历史线索，就足以看出 Jev 的回答在哪里把它们分开。批量页面可以对 CSV 里的每一行跑同一组问题，这一步不用写代码。
2. 定几个区间，而不是一个阈值。 fit 分高且 ready_to_buy 有把握的，立刻交给销售；evaluating 有把握的，放进跟进序列；中间区间人工复核。
3. 在一条规则里组合答案。 处于 ready_to_buy、同时 has_timeline 概率高的线索，就是今天该打电话的那一条。三个答案来自同一次调用，这条规则在 CRM 集成里就是一行代码。
4. 记录答案。 保存各项概率，以及每次响应都会返回的 model 字段。模型变化时重新校验阈值，销售的修正就是你下一批标注数据。
5. 从表单处理程序里调用。 同样的评估可以用 API Key 通过 System One API 调用，扣点规则和试验台一样。

信任之前先验证

• 拿真实结果对比，而不是拿示例。 在一条消息上看着合适的阈值，不是你的阈值。用已知结果的线索来定。
• 关注中间区间。 如果大多数线索都落在两个阈值之间，说明阶段定义有重叠。先把 criteria 写清楚，再考虑加问题。
• 把 Score 当作阈值检查。 TypeSafe 说明 Score 各级在数值上的校准较弱，所以把 fit 和一个分界线比较，而不是把两级之间的某个值当作精确分数。
• 非英文线索单独测试。 英文是 Jev 最强的语言，其他语言能处理，但效果不如英文。

哪些时候 Jev 不是合适的工具

• 你需要把回复写出来。 Jev 只返回带类型的答案。跟进消息交给生成式模型或销售。
• 评估依赖数字或日期。 员工规模档位、合同续约日期、预算门槛，都应该放在代码里。
• 你的理想客户画像每月都在变。 按一套定义调好的阈值，会随着评分表一起漂移。每次修改后重新跑一遍标注集。
• 每个分数都需要一个解释。 Jev 给出的是概率，不是理由。如果销售经理必须看到某条线索为什么被降级，就记录输入，并保留人工环节。

如果你在比较 Jev、通用 LLM 和自己训练的分类器，Jev 与 LLM 分类对比讲了各自适合的场景。成交之后进来的客服消息怎么分流，见客服工单分拣。