Jev 决策编程 · 第 1 章 背景与由来

Jev 决策编程 · 第 1 章 背景与由来

章节摘要：要理解 Jev 该用在哪，先要理解它是从哪个问题里长出来的。本章回到 TypeSafe AI 的出发问题——"模型在聊天上超越人类已经很多年了，那么自动化在哪里？"——看看聊天模型缺了什么根基性的东西；再拆解两个名字的深意：Jev 来自经济学家 Jevons（Jevons 悖论：智能变便宜，消耗反而暴涨），System One 来自卡尼曼《思考，快与慢》（快直觉 vs 慢推理）；最后盘点 Jev 想替换的三种"笨办法"——关键词、小分类器、LLM 兜圈子——各自的困境。读完本章，你会明白 Jev 不是"又一个更快的 LLM"，而是一类新物种。

学习目标

阅读完本章，你应当能够：

1. 复述 TypeSafe AI 的出发问题，并解释聊天模型为何撑不起自动化。
2. 讲出 Jev 与 System One 两个名字各自的寓意。
3. 列出现有三种语义判断办法及其困境。
4. 说明 Jev 的定位：零训练、零标注、开箱即用的判断原语。

核心概念速览

一句话金句：软件要的不是一段诚恳的散文，而是一个能直接进 if 的答案。

子章节导航

1.1 自动化的缺口：聊天很强，自动化在哪

TypeSafe AI 与创始人 Diogo Almeida 的出发问题；聊天输出与软件需要的决策之间的鸿沟。

1.2 两个名字的深意：Jevons 悖论与系统一

Jev 命名自 Jevons 悖论——智能单价下降一个数量级会解锁什么；System One 命名自卡尼曼——并行求值对串行生成。

1.3 现有三种办法的困境

关键词/正则、传统小分类器、LLM+结构化输出各自的失效方式，以及 Jev 的第四种定位。

子章节之间的逻辑关系

1.1 出发问题（自动化缺口在哪）
   │
   ▼
1.2 命名深意（为什么叫 Jev / System One —— 答案藏在两个名字里）
   │
   ▼
1.3 竞品困境（它替换谁、凭什么 —— 为第 2 章心智模型铺垫）
​

前置知识与后续延伸

前置知识：第 0 章导览；日常开发中见过"用 LLM 分类"的做法更好。

为后续奠定基础：本章的"四种办法对比"直接引出第 2 章的心智模型与第 10 章的选型对比；"系统一/系统二"的比喻贯穿全书（第 2.3 节、第 5 章）。