Jevの既知の弱点とは｜jev-1.13の9つの苦手と回避策、日本語の精度、データの扱い
TypeSafe AIが公開するjev-1.13の9つの弱点（文字どおりの読み取り、計算、日付、間接参照、敵対的入力など）と公式の回避策、日本語の注意点、学習不使用とZDRの方針をまとめます。
Score を使った記事が 8 本あります。
TypeSafe AIが公開するjev-1.13の9つの弱点（文字どおりの読み取り、計算、日付、間接参照、敵対的入力など）と公式の回避策、日本語の注意点、学習不使用とZDRの方針をまとめます。
TypeSafe AIが公開するJevの公式クックブック18本を検証・検索・分類抽出・エージェント制御・一括処理の5テーマに整理し、公式の数値と目的別の読む順番をまとめます。
TypeSafe AI 公式の4つの設計パターンを、サポートチケット・音声バンキング・履歴書選考・顧客対応の例とコードで解説。どのパターンをいつ使うかの比較表付き。
Jev の公式ガイドが示す「AI を組み込んだソフトウェア」の作り方を解説。3つのアーキテクチャ、state を絞る、質問を原子的に分解する、重み付き合成と信頼度による分岐、triage_ticket の例まで。
Jev の Choice / Score に付く confidence は確率分布の形を 0-1 に圧縮した数です。高・中・低の3段階、音声バンキングの 0.6 / 0.85 の例、しきい値の決め方を公式ドキュメントに沿って解説します。
Jev の Score は低い順に並べた段階の説明を渡し、確率で重み付けした位置と各段階の確率、信頼度を受け取る質問の型です。段階の書き方、応答の読み方、重み付け合成を公式ドキュメントに沿って解説します。
Noul（ヌール）の意味と使い方。Jev に yes/no を聞く質問型 Noul の instructions と criteria の書き方、0-1 の noul のしきい値運用、Choice・Score との使い分けを公式ドキュメントに沿って解説します。
TypeSafe AI の Jev（ジェヴ）は文章を生成せず、Noul・Choice・Score の3つの質問型で判断と確率を返す System One モデルです。LLM との違い、公式発表の数値、呼び出し方を整理します。
