JevStation

{"translation":"嗨，Product Hunt，我是 JevStation 的作者。\n\n问题所在：生产环境里，大多数所谓的"AI 决策"其实就是让聊天模型以 JSON 格式回复，然后再去解析、重试、碰碰运气。你得数 token、处理格式错误的输出，却拿不到一个真正的置信度数值。\n\nJevStation 走的是另一条路。决策模型（Jev、Cloudflare Clef、Perplexity Decider、OpenAI Luna Decisions、Microsoft-Decision-1）接收一个状态和一组带类型的问题（Choice、Score、Noul），并返回带有完整概率分布和置信度值的答案。没有自然语言文本，没有需要解析的内容，因此可以直接在代码中设置阈值并分支处理。\n\n你现在就可以做的事：\n- 在 Playground 里免登录试用，自带情感分析、意图识别、工单分诊、内容审核等预设场景\n- 通过 REST API 或 MCP 服务器调用（智能体可以用它来守卫工具调用、路由模型或审核文本）\n- 用批处理引擎跑电子表格，比如批量情感分析、潜客打分或站点 SEO 审计\n- 在同一关键指标上对多个决策模型进行并排对比\n\n定价很简单：一次标准评估消耗 1 积分，失败则消耗 0 积分（自动退还），新账户赠送 200 免费积分。\n\n很想知道你们会把哪些决策放到阈值之后，以及还缺少哪些问题类型。任何问题欢迎随时交流。"}