用 Jev 分拣客服工单：团队、紧急程度与流失风险

这个分拣检查什么

上面的示例是一张很典型的工单：客户连续三天连接 Stripe 账户失败，一直报 invalid redirect 错误，说自己每小时都在丢订单，希望尽快解决。Jev 在一次调用里回答关于它的三个问题：

这张工单适合拿来测试，因为它恰好卡在两个队列之间。它提到了 Stripe，听起来像 billing；但问题本身是连接第三方服务，这正是 integrations 的定义。只给一个标签会把这种拉扯藏起来，而 category 的概率分布会把它摆出来，置信度则告诉你这张工单能不能自动分派，还是该交给人。

state 很短，问题只有三个，所以这是一次标准评估：在 JevStation 上消耗 1 点。三个问题针对同一个 state 并行回答，所以在分派之外再问一句流失风险，几乎不增加延迟。

怎样写出有效的分拣问题

给每个团队写说明，而不只是写名字。 示例给每个选项都写了一行标准——integrations 是 "Connecting or syncing a third-party service"，bug 是 "The product behaves incorrectly"。只写名字，Jev 就得猜你的边界在哪。说明文字就是你把客服团队实际分工方式写进去的地方。

让各团队互斥。 如果两个选项可以同时完全正确，概率会在两者之间分散，置信度会因为与工单本身无关的原因而下降。一张工单确实同时属于两个团队时，先派给主要负责方，再由对方拉另一个团队进来。

紧急程度用 Score，不要用 Choice。 紧急级别是有顺序的，Score 会保留这个顺序：答案是量表上的一个值，可以落在两个级别之间，你可以直接对它设阈值。像示例那样用五个简短的级别，比一个"是否紧急"的是非题更能把工单排出先后。

流失风险单独问。 一个语气平静但扬言要取消的客户，和一个很生气但绝不会走的客户，需要不同的处理方式。给 Noul 写上明确的标准，界线会更清楚：

{
  "type": "noul",
  "instructions": "Is the customer at risk of churning?",
  "criteria": {
    "true": "The customer mentions cancelling, switching providers, or lost revenue they blame on us.",
    "false": "The customer reports a problem but gives no sign of leaving."
  }
}

问题怎么措辞，详见设计 Jev 能回答的问题。

从一张工单到一个分拣环节

1. 收集团队已经分派过的工单。 50 到 200 张真实工单，加上最终负责的团队，就足以看出 Jev 的置信度能不能把正确分派和错误分派区分开。
2. 划分区间，而不是只定一个阈值。 高于你信得过的置信度就自动分派，中间一段进人工分拣队列，其余的复核。紧急程度也一样：只有 Score 高过某个值才呼叫值班人员，而不是只看排第一的级别。
3. 按组合升级。 urgency 分数高、同时 churn_risk 概率也高的工单，应该插队处理。两者来自同一次调用，所以在工单系统集成里写成规则只需要一行。
4. 记录答案。 保存概率，以及 API 返回的 model 字段。客服改派工单时，这次纠正就是你的下一批标注数据。
5. 从工单系统里调用。 同样的评估可以用 API Key 通过 System One API 调用，扣点和试验台一样。示例里的每个问题都可以原样发送。

分拣一次要花多少

在 JevStation 上，一张工单只要不超过 5 个问题、不超过 8,000 字符，就消耗 1 点，这里的三个问题绰绰有余。很长的邮件往来或超过 5 个问题消耗 3 点，state 上限是 24,000 字符。新账号注册即送 200 点，30 天内有效；之后按一次性点数包购买：$9.90 购 5,000 点，或 $15.90 购 12,000 点。详见定价页。

如果想多问几个问题——语言、产品模块、是否重复工单——就加进同一次调用，而不是再发一次。5 个以内的问题仍然只消耗 1 点。

什么时候不该用 Jev 分拣

• 你需要书面摘要或回复。 Jev 只返回类型化答案。如果客服需要在工单顶部看到摘要，就配一个生成式模型。
• 分派规则依赖计数或日期。 "这个客户这周是不是开了三张工单？""合同是不是已经过了续约日？"这些是 TypeSafe 明确记录的短板。在代码里算好，把结果放进 state。
• 你的队列不稳定。 如果团队列表每周都在变，调好的阈值也会跟着漂移。每次改动选项后都要重新检查。
• 队列大部分不是英文。 先单独测一遍。

如果你在为这件事权衡 Jev、通用 LLM 和自己训练的分类器，Jev 对比 LLM 分类和 Jev 的替代方案讲清了各自什么时候更合适。