生产环境的 AI 通常长这样：把上下文塞进提示词，让大模型回答一个是非题，再求它用 JSON 输出，最后解析回来并祈祷。作者指出这里的荒诞之处在于——把大模型当作判断力而不是文笔来用其实极其有用（这是不是垃圾信息、该归到哪个分类、这条评论是否真的有帮助），它们是当时能拿到的最好工具，哪怕根本不是为这件事设计的工具；其固有的低效让规模化变成在质量、token 浪费、智能与伪确定性之间的精细平衡。Jev 来自 TypeSafe，是一种「系统一」模型：它不生成文本，你交给它一些状态和一组问题，它返回带概率的类型化答案，只有三种形态——是非、从列表里选一个、放在一个刻度上。听起来限制很大，直到你意识到我们有大量大模型用法恰好落在这三个框里：不需要解析、不必写「只回答一个词」，代码可以直接分支，而概率告诉你什么时候该行动、什么时候该升级。文章还介绍了它在 Forem（驱动 DEV 的开源软件）里的两个用法：决策者（给新帖打反垃圾标签、检查徽章条件、为未标注代码块挑高亮语言、给无标签帖推荐标签），以及作者最喜爱的「交通警察」——用一次便宜的 Jev 并行问几个问题，只决定哪些内容值得送进完整检查，它自己从不下判断。