NO KEY / FOUR DECISIONS
Jev 入门互动练习：四步设计一条安全决策流程
每题先选你会让程序做的事，再看解析。这里的数值是教学假设，不是 Jev API 的运行结果；你可以把这套检查顺序带进自己的项目。
练习只在浏览器中运行；不发送输入，也不调用 Jev。进度保存在当前浏览器。
01 / STATE
✓工单说“显示送达，却没有收到”：先把什么交给模型？
客户原话：包裹显示送达，但门口没有。系统目前尚未核对订单归属和承运商记录。
自动分流前，程序应先做哪一步？
先核对程序能够核对的事实。state 应标明事实来源；缺失的签收信息保持 unknown。Jev 可以辅助选择队列，但不能创造订单记录或授权退款。
若订单归属查不到，合适的动作从“尝试分流”变成“补充信息或人工核实”。不要把缺失写成 false。
事实查询与权限检查由代码负责；Jev 只判断被明确提供的 state。
02 / QUESTION
✓要选首接团队：该用哪种问题？
候选团队已定义为 shipping、billing、technical、review；目标是确定一个首接队列。
哪种提问方式与所需答案最匹配？
目标是从有限候选中选一个团队，所以使用 Choice。候选要互斥且覆盖无法归类的情况；紧急度可另问一个 Noul，不能混进团队定义。
若业务需要同时判定“首接团队”和“是否紧急”，拆成两个原子问题，在同一 state 上一次请求。
Jev 返回选择或概率；程序负责把团队键映射到真实队列。
03 / ACTION
✓结果指向物流，但能自动派单吗？
教学假设：Choice 选 shipping，confidence 为 0.62；团队在独立样本上暂定自动派单阈值 0.80。订单归属已核实。
按这条假设策略，下一步是什么？
0.62 低于假设的 0.80 门槛，因此按预设规则复核。confidence 不是这批工单的已验证正确率；阈值要用有标签且未参与最终测试的样本确定。
即使把 confidence 改成 0.91，高影响或不可撤销动作仍需权限规则；这里最多允许已验证的可撤销派单。
Jev 提供判断信号；阈值、动作权限、失败回退和审计由程序处理。
04 / EVIDENCE
✓RAG 找到了相似政策，能直接回答吗？
用户问“退款多久到账”；检索到的片段只说“符合条件的订单可以申请退款”，没有到账时限。
哪种做法能避免把相关性误当证据？
相关片段不等于支持具体时限。先确认资料是否真的包含答案，再决定检索、引用和生成；不能用相关度分数补出不存在的事实。
若后来找到明确写明时限、适用地区和生效日期的政策，再核对这些条件是否适用于该订单。
Jev 可辅助筛选与判断支持关系；资料召回、最终回答与引用核查仍需独立处理。
继续学习
模型与代码的分工：state → question → code policy → evaluation.