温馨提示若页面不能正常显示数学公式和代码请阅读原文获得更好的阅读体验。作者赖得豪 (浙江工商大学)邮箱932345207qq.comTitle: Jev快速、低成本的语义判断用于 Agent 分流与文本分析Keywords: Jev, Agent 工作流, 模型路由, 工具选择, 上下文管理, 文本分析, GLiClass, GLiNER2, 领域微调提要Agent 查资料、调用工具、检查结果每一步都夹着许多小判断。Jev 把这些判断做成了快速返回的结构化接口。本文从 Agent 工作流出发介绍 Jev 如何参与任务分流、材料筛选和结果检查再讨论经济学文本分析如何借助类似开源模型与领域微调形成可复用的测量工具。一个文献检索 Agent为什么常常花很多时间等待除了检索和下载它还要反复判断下一步调用什么工具这条材料要不要读工具返回的内容够不够用让一个研究助手帮你筛选论文它需要选择检索入口、阅读候选摘要、找到相关正文再判断是否需要补充材料。每一轮都可能只有一个很短的决定却要等待模型返回后面的操作才能继续。这样的等待沿着工作流不断累积也就影响了整个任务的完成速度。TypeSafe AI 推出的Jev瞄准的正是这些频繁出现的语义判断。它接受当前状态和具体问题直接返回选项、概率或评分。官方发布说明 给出的端到端响应时间为70—500 毫秒。对多步骤 Agent 来说这类接口提供了一种思路把适合快速判断的环节交给专门的模型再由程序接着执行。图 1 Jev 接收文本状态和问题返回可供程序使用的结构化判断。1. Jev 在 Agent 工作流中做什么一个能持续做事的 Agent会反复经历「读取状态—选择动作—调用工具—观察结果」的循环。状态发生变化下一步的选择也随之变化。例如已经找到摘要就进入筛选只拿到论文链接就继续获取内容现有材料不足以支持结论就补充检索。Jev 可以放在这些分支位置。TypeSafe 在 工作流构建说明 中把它称为System One 模型程序准备好当前背景state和待判断的问题questions模型返回结构化结果程序据此选择下一条执行路径。图 2 工作流示意Jev 判断下一步与当前结果程序调用工具、更新状态并组织循环。这里的state可以包含用户目标、当前候选材料、最近一次工具返回以及已经完成的步骤。问题则落到具体条件上「这条摘要是否符合筛选标准」「下一步该检索还是读取全文」「现有证据是否覆盖了用户要求的内容」。根据 多问题请求说明对于同一份状态可以把彼此独立的问题放在一次请求中并行判断。例如同时检查研究对象、数据来源和研究主题不必等待第一个问题返回后才问第二个。前一个答案会改变后一个问题时再按步骤执行。Jev 返回判断结果检索、计算、长文写作等工作由相应工具或生成模型完成。判断环节的耗时降低串行等待就有机会缩短整条工作流能快多少还取决于检索、下载和生成等步骤各自占用的时间。2. 三种题型怎样对应 Agent 的判断假设我们正在搭建一个文献筛选 Agent目标是寻找「企业人工智能应用与岗位技能需求」相关的实证研究。下面是一段用于说明的示例摘要本文利用企业招聘广告数据比较采用人工智能技术的企业与其他企业的岗位技能需求差异并考察不同行业的变化。围绕同一段材料可以提出三种问题。2.1 Noul一个条件是否成立第一种问法是「这段摘要是否明确使用招聘广告作为研究数据」Noul 返回 0 到 1 之间的数表示模型估计的肯定回答概率。数值接近 1模型倾向于肯定接近 0倾向于否定。程序可以据此判断是否满足筛选条件。在文献筛选中「研究对象是企业」「使用招聘数据」「讨论技能需求」可以分别设成三个问题再由程序组合结果。若摘要只泛泛提到就业影响却没有交代数据来源应记录为信息不足继续获取方法部分没有披露某项信息不等于研究没有使用它。同样的题型也能检查工具结果有没有拿到摘要正文页面是否提示访问失败当前材料是否提到了待查找的企业这些判断能够决定 Agent 下一步是继续处理还是换一个入口。温馨提示若页面不能正常显示数学公式和代码请阅读原文获得更好的阅读体验。
温馨提示若页面不能正常显示数学公式和代码请阅读原文获得更好的阅读体验。作者赖得豪 (浙江工商大学)邮箱932345207qq.comTitle: Jev快速、低成本的语义判断用于 Agent 分流与文本分析Keywords: Jev, Agent 工作流, 模型路由, 工具选择, 上下文管理, 文本分析, GLiClass, GLiNER2, 领域微调提要Agent 查资料、调用工具、检查结果每一步都夹着许多小判断。Jev 把这些判断做成了快速返回的结构化接口。本文从 Agent 工作流出发介绍 Jev 如何参与任务分流、材料筛选和结果检查再讨论经济学文本分析如何借助类似开源模型与领域微调形成可复用的测量工具。一个文献检索 Agent为什么常常花很多时间等待除了检索和下载它还要反复判断下一步调用什么工具这条材料要不要读工具返回的内容够不够用让一个研究助手帮你筛选论文它需要选择检索入口、阅读候选摘要、找到相关正文再判断是否需要补充材料。每一轮都可能只有一个很短的决定却要等待模型返回后面的操作才能继续。这样的等待沿着工作流不断累积也就影响了整个任务的完成速度。TypeSafe AI 推出的Jev瞄准的正是这些频繁出现的语义判断。它接受当前状态和具体问题直接返回选项、概率或评分。官方发布说明 给出的端到端响应时间为70—500 毫秒。对多步骤 Agent 来说这类接口提供了一种思路把适合快速判断的环节交给专门的模型再由程序接着执行。图 1 Jev 接收文本状态和问题返回可供程序使用的结构化判断。1. Jev 在 Agent 工作流中做什么一个能持续做事的 Agent会反复经历「读取状态—选择动作—调用工具—观察结果」的循环。状态发生变化下一步的选择也随之变化。例如已经找到摘要就进入筛选只拿到论文链接就继续获取内容现有材料不足以支持结论就补充检索。Jev 可以放在这些分支位置。TypeSafe 在 工作流构建说明 中把它称为System One 模型程序准备好当前背景state和待判断的问题questions模型返回结构化结果程序据此选择下一条执行路径。图 2 工作流示意Jev 判断下一步与当前结果程序调用工具、更新状态并组织循环。这里的state可以包含用户目标、当前候选材料、最近一次工具返回以及已经完成的步骤。问题则落到具体条件上「这条摘要是否符合筛选标准」「下一步该检索还是读取全文」「现有证据是否覆盖了用户要求的内容」。根据 多问题请求说明对于同一份状态可以把彼此独立的问题放在一次请求中并行判断。例如同时检查研究对象、数据来源和研究主题不必等待第一个问题返回后才问第二个。前一个答案会改变后一个问题时再按步骤执行。Jev 返回判断结果检索、计算、长文写作等工作由相应工具或生成模型完成。判断环节的耗时降低串行等待就有机会缩短整条工作流能快多少还取决于检索、下载和生成等步骤各自占用的时间。2. 三种题型怎样对应 Agent 的判断假设我们正在搭建一个文献筛选 Agent目标是寻找「企业人工智能应用与岗位技能需求」相关的实证研究。下面是一段用于说明的示例摘要本文利用企业招聘广告数据比较采用人工智能技术的企业与其他企业的岗位技能需求差异并考察不同行业的变化。围绕同一段材料可以提出三种问题。2.1 Noul一个条件是否成立第一种问法是「这段摘要是否明确使用招聘广告作为研究数据」Noul 返回 0 到 1 之间的数表示模型估计的肯定回答概率。数值接近 1模型倾向于肯定接近 0倾向于否定。程序可以据此判断是否满足筛选条件。在文献筛选中「研究对象是企业」「使用招聘数据」「讨论技能需求」可以分别设成三个问题再由程序组合结果。若摘要只泛泛提到就业影响却没有交代数据来源应记录为信息不足继续获取方法部分没有披露某项信息不等于研究没有使用它。同样的题型也能检查工具结果有没有拿到摘要正文页面是否提示访问失败当前材料是否提到了待查找的企业这些判断能够决定 Agent 下一步是继续处理还是换一个入口。温馨提示若页面不能正常显示数学公式和代码请阅读原文获得更好的阅读体验。
