第 5 课 · 能做什么，暂时别做什么与分流放行规则

🎯 学完这一课，你将能够

• 清晰分辨哪些业务场景最适合使用 Jev，哪些场景暂时不该用
• 掌握在实际代码中落地的「三层自动化放行分流矩阵」
• 建立对高危操作（退款、删数据、发公告）的安全防护边界

适合 Jev 的黄金场景

Jev 最擅长的场景，本质上都是「答案集合在执行前就已经被明确穷举」的事项：

1. 工单与邮件自动分流：根据客户文字，瞬间分派给对应责任组并打上紧急标签；
2. UGC 内容与风控初审：在海量评论中瞬间筛出包含违禁、敏感或辱骂的内容；
3. Agent 下一步动作选路：AI Agent 面对预定的 5 个工具（检索知识库、调支付、发短信、换模型、求助人类），由 Jev 决定当前该调哪一个；
4. 前端自动化操作定位：在浏览器自动化中，根据当前页面文本状态，判断下一步应点击哪一个按钮；
5. 高频日志告警分级：对服务器日志瞬间判断是常规警告还是致命异常。

暂时接不住的场景

如果你在业务中期望模型做以下事情，请继续使用传统的生成式大模型（如 Claude、GPT-4o、DeepSeek）：

• ❌ 写长篇优美文案或营销软文：Jev 根本没有生成文字的能力；
• ❌ 写代码与算法设计：它只做选项勾选，不会输出代码文件；
• ❌ 开放式哲学问答与推理聊天：没有对话框，不提供漫谈；
• ❌ 解释“为什么选这个”：它直接输出结果与概率，不吐露中间思考链路；
• ❌ 直接读取多模态原图与视频：需先由 OCR 或多模态模型把画面转换成文字描述，再交由 Jev 判定。

生产落地的三层分流放行矩阵

不要指望任何 AI 模型达到 100% 绝对完美，关键在于通过置信度（Confidence）设计合理的分流闸门：

⚠️ 安全红线警告： 涉及退款打款、注销账号、删除核心数据、向客户群发邮件等高危动作，即便 Jev 给出了 0.99 的置信度，在上线前两周也必须强制加入人工确认环节，绝不能放任系统全盲跑。

✅ 自测一下

1. 【多选】以下哪些业务场景适合接入 Jev？ A. 根据用户评价判断给商品打 1 星还是 5 星 B. 自动为公众号撰写 2000 字的行业分析报告 C. 判断一条用户提现申请是否存在作弊特征（正常/可疑/高危） D. 替客服生成一段安抚客户情绪的委婉回复 2. 【判断】只要 Jev 返回的置信度大于 0.9，我们就可以直接让程序全自动执行转账 1000 元的操作。

答案与解析

1. A、C 正确。A 和 C 的输出选项均可事先穷举；B 和 D 属于长文本生成，Jev 无法承载。 2. 错。高危资金与核心数据操作必须有独立的硬性安全拦截与人工复核机制。

📌 一句话带走

答案空间事先想得清的交给 Jev，需要写字起草的留给大模型。