Choice、Score、Noul：实战指南

每次 Jev 调用 = 一个 state + 一个问题字典。每个问题三要素：id（只给你代码用，绝不发给模型）、instructions（要判断什么）、criteria（选项或量表）。问题类型只有三种，选对哪个是这门手艺的大半。

Choice——从固定列表里选一个

返回被选中的选项、每个选项的概率、以及置信度。答案被硬约束在你的列表内，因此用于路由和分派是安全的。

• 适用：工单分派、文档类型识别、意图分类、A/B 分臂。
• 设计规则：选项必须互斥且在你领域内穷尽。"billing / technical / sales" 是干净的；"technical / urgent / billing" 不是（urgent 不是一个部门）。

Score——在有序量表上定位

返回你量表上的一个位置——可以落在两档之间——外加分布和置信度。每一档的含义由你定义。

• 适用：严重度、情绪强度、质量分级、优先级。
• 设计规则：给每一档一个可操作定义，而不是一句感觉。"3 = 有一个我们能复现的具体失败步骤" 优于 "3 = 挺糟"。模型是按字面读你 criteria 的。

Noul——是/否，返回概率

返回 P(是) ∈ 0–1。没有单独的置信度字段——概率本身就是信号。（名字是 nought/二元中"否"那一侧的玩笑。）

• 适用："这是不是退款请求？""里面有没有 bug 报告？""这个 state 现在能不能动手？"
• 设计规则：用肯定句、保持单跳。Jev 按字面读——双否定和隐含条件都会翻车。"这是不是要退已支付的钱？" 优于 "这难道不是一笔不可退的费用吗？"

怎么选——快速判据

下一步：看它们怎么接进真实流水线（附代码的模式），以及毛边在哪（已知短板）。