入門 / 判定型

Jev 判定型:Choice、Score、Noul の選択基準

最終更新日: 2026-11-12

ビジネス要件に合わせて適切な出力型を選択することで、決定論的で堅牢なワークフローを構築できます。

Choice: 排他的なカテゴリ分類

チケット振り分けや担当部門の決定など、定義された選択肢の中から最も適した1つを選択させたい場合に使用します。公式の上限は 255 選択肢で、選択肢を足しても数トークンしか増えないため、短い候補リストではなく実際のキュー一覧をそのまま渡すほうが精度に有利です。other や none of the above を用意するか、併せて Noul で「どれにも当てはまらないか」を確認します。各選択肢に明確な判定基準(criteria)を記載します。

Score: 順序性のある数値評価

緊急度レベル(1〜5)やリードの購買意欲スコア(0〜100)など、連続的または段階的な度合いを評価させたい場合に使用します。

Noul: 該当有無・真偽値の確率判定

「この入力はスパムか」「規約違反を含むか」など、特定の事象が発生しているか否かを厳格に判定するゲートキーパー用途に最適です。

複数設問を 1 回で: 並列評価で遅延はほぼ増えない

Jev は state を一度だけ読み、同じ state に対して全設問を並列に評価します。設問を増やしても応答時間はほとんど変わりません(入力トークンは増えます)。制約はコンテキストだけ——リクエストあたり 64k、設問あたり 32k で、設問数の上限は別にありません。振り分け・緊急度・人手確認の要否を同じリクエストにまとめ、コードは必要な回答だけ読むのが定石です。

Jev 1.14 の Box: 画像内の位置を返す

Box は対象の位置を top / bottom / left / right の 4 辺(いずれも 0〜1 の比率)で返します。「この写真の破損はどこか」「署名はどこか」といった用途向けです。リクエストに画像を含め、TypeSafe-Danger-Zone-Images: true ヘッダーが必要です。TypeSafe は画像と Box を Dreamer-ready(試作向け、形式や上限がリリースごとに変わりうる)と位置づけているので、フィールドは二次情報ではなく公式 primitives ページで確認してください。

モデル活用の関連情報