跳过安装。2 分钟内即可运行。
在 cloud.anythingmcp.com 开始免费试用，一键添加 Jev by TypeSafe，然后将你的 AI 客户端（Claude、ChatGPT、Copilot 或 Cursor）指向生成的 MCP 端点。无需 Docker，无需 git clone，无需任何工程经验。
摘要
一个经过测试的方法：Claude 对每个工单向 TypeSafe Jev 提三个带类型的问题，0.3 秒内拿回带概率的紧急程度、负责团队和不满程度。
试试这样问
Jev by TypeSafe 的示例提示
点击任意提示即可复制，然后粘贴到 Claude、ChatGPT、Cursor、Gemini、Copilot 或 OpenClaw 中，在该连接器上运行。
Claude 是 AI，可能会出错。请核对回答。
用 Jev 分拣工单
简短答案： 通过 AnythingMCP 把 Jev 连接到 Claude，粘贴你的工单（或让 Claude 从你的客服系统连接器获取），然后让 Claude 用 Jev 分拣它们。Claude 会把每个工单连同三个问题发给 Jev：是否紧急、归哪个团队、客户有多不满，并拿回可以用来排序和筛选的概率。明确的情况直接分派；不确定的留给人来处理。
分拣是 Jev 的典型用途：答案总是来自一个固定列表，每个工单都问同样的问题，而且你想知道模型什么时候没有把握。聊天模型也能做，但它用文字回答，每个工单的成本更高，也不会告诉你它有多确定。
三个问题
| 问题 | 类型 | 选项或等级 |
|---|---|---|
| 该工单报告的问题是否正在阻碍客户的业务，并需要当天回复？ | 是/否 | “是”的概率 |
| 应由哪个团队处理？ | 选择 | billing（付款、打款、退款、发票）、technical（bug、崩溃、宕机、集成）、sales（定价、套餐、折扣、新账户）、none（无需处理，或以上都不适用） |
| 客户有多不满？ | 评分 | 不沮丧、略有不满、沮丧、非常沮丧，每级附一句说明 |
none 选项很重要：没有它，一封感谢信也会被硬塞给某个团队。
一次真实运行
我们把这四个工单和下面的提示语交给 Claude。Claude 读取了 jev_playbook，定好阈值（“不确定”指是/否概率在 0.15 到 0.85 之间，或置信度不高于 0.6），然后每个工单调用一次 jev_ask。
用 Jev 工具分拣这些工单：紧急程度（是/否概率）、负责团队（billing、technical、sales、none）和分四级的不满程度。给我一张表格，并标出所有 Jev 不确定的答案。
| 工单 | 紧急（“是”的概率） | 团队（置信度） | 不满程度（0 到 3） |
|---|---|---|---|
| "My payouts have been failing for 3 days and my suppliers are waiting." | 0.88 | billing (1.00) | 3 |
| "Do you offer a discount for annual plans? Just curious." | 0.02 | sales (1.00) | 0 |
| "Die App stürzt bei jedem PDF-Upload ab, seit gestern Abend. Wir können nicht arbeiten!" | 0.90 | technical (1.00) | 3 |
| "Thanks for the great webinar last week :)" | 0.01 | none (1.00) | 0 |
没有答案落入不确定区间。Claude 指出打款工单的 0.88 最接近该区间，并建议优先处理德语的崩溃报告和打款问题。
调用是什么样的
这是 Claude 为第一个工单写的 jev_ask 调用，未经修改：
{
"state": {
"ticket": {
"text": "Help! My payouts have been failing for 3 days and my suppliers are waiting."
}
},
"questions": {
"urgent": {
"type": "noul",
"instructions": "Does `ticket.text` report a problem that blocks the customer's business right now and needs a same-day response?"
},
"team": {
"type": "choice",
"instructions": "Which team should handle `ticket.text`?",
"criteria": {
"billing": "payments, payouts, refunds, invoices",
"technical": "bugs, crashes, outages, integrations",
"sales": "pricing, plans, discounts, new accounts",
"none": "no action needed or nothing above fits, e.g. thanks or praise"
}
},
"frustration": {
"type": "score",
"instructions": "How frustrated is the customer who wrote `ticket.text`?",
"criteria": [
"not frustrated: neutral, curious or happy",
"mildly frustrated: minor annoyance",
"frustrated: clear complaint, problem affecting them",
"very frustrated: distressed, urgent pleas, business blocked"
]
}
}
}
三个问题针对同一个工单并行运行，工单只计费一次。
按你的需要调整
- 获取而不是粘贴。 在同一个 AnythingMCP 服务器上安装你的客服系统连接器（目录中有 Zendesk、Freshdesk、Help Scout 等），然后让 Claude “用 Jev 分拣今天未处理的工单”。
- 使用你自己的团队。 把选项换成你的队列，并为每个队列写一句说明，讲清楚哪些工单属于它。
- 把你的规则作为证据传入。 把客户的套餐或 SLA 放在工单旁边，例如
{"ticket": ..., "customer": {"plan": "enterprise"}}，并在问题中引用它。 - 不确定的交给人。 让 Claude 只分派高于你设定阈值的答案，其余的列出来供人工审核。
FAQ
分拣一个工单要花多少钱？ 上面每个工单都是一次 Jev 调用，约 500 个输入 token、三个问题，按 TypeSafe 每百万 $0.042 计算，约为千分之二美分。输出免费。
其他语言的工单也能处理吗？ 我们的德语工单以满置信度被正确分派。Jev 在英语上最准确，所以其他语言请检查置信度数值。
不通过聊天也能运行吗？ 这个方法是为 Claude、ChatGPT 或其他 MCP 客户端写的。每次调用都经过 AnythingMCP 并有记录，所以任何支持 MCP 的 agent 也都能调用同样的工具。
相关指南
这份指南对你有帮助吗?
