AI大模型应用实践 / wechat· AI大模型应用实践·发布时间：
图文拆解 JEV（下）：AI 智能体系统中的 8 类典型应用场景
拆解爆火的 JEV（下）：在 Agent 系统中的 8 类典型应用场景。
内容导读
作者建议把 AI 智能体中高频、答案有限的判断交给 JEV：输入当前状态和判断标准，返回选择、评分或判断结果及概率，用于下一步动作、工具路由、风险检查等。8 类场景沿用同一分工：大语言模型负责规划与生成，JEV 做快速判断，程序负责执行与验证。作者提醒，当前决策模型不支持视觉理解，也可能误判；是否更快、更准，仍需上线前评估。
继续看关键要点
- 工具分层路由需要纠错出口：置信度不足时保留多个候选或请用户澄清，每层设置“不匹配”选项。JEV 的 Choice 单题最多支持 255 个选项，并非工具达到几十个就必须分层。
- 检索增强生成（RAG）可先扩大检索范围，再用决策模型筛选相关文本片段，最后交给大语言模型生成答案；还可用判断概率或结合置信度的评分对片段排序。
- 文中介绍的 ModelRouterMiddleware 根据各模型适用任务进行分流，但当前是在一次智能体行动循环开始时按最新用户消息选模型，后续复用该选择。
来源：AI大模型应用实践 / wechat · mp.weixin.qq.com