用例地图

借助这张图，在你的行业中头脑风暴 TypeSafe 可能适合的位置。打开与你最贴近的行业，浏览示例决策，再把它们适配到你自己工作流中的文档和操作上。

示例用例分类

• AI 自动化软件：在后台无需人类介入地运行数百万次，把 AI 与可靠软件交织在一起。控制流由代码掌控（而不是 Markdown 文件），由 TypeSafe 负责语义决策和语言理解。
• 实时应用：以实时速度（150ms）提供前沿级别的智能水平，意味着 AI 可以比人类感知更快地做出决策。足够快、足够聪明，可以被编程用来玩游戏，或嵌入到 UI 中。
• 面向大数据的 AI Map Reduce：便宜 100 倍意味着你可以处理海量数据集。在庞大的语料中搜索相关信息，对大规模智能体 trace 做分类，并抽取特征用于预测。
• 通用验证：验证任何其他 AI 的输入提示、抽取内容、推理 trace、工具调用或输入。以远低于实际大语言模型（LLM）调用成本的开销，检测越狱、引用错误、幻觉、失误，以及其他 AI 或 LLM 容易犯的错误模式。
• Harness 工程：借助 Jev 查询让你的 harness 更智能——模型路由、语义上下文检索、LLM 错误检测与安全护栏，以及以极快的速度和低很多的成本进行推理 trace 分类。

示例自动化用例

搜索与检索

• 在 RAG 流水线中，以语义搜索、打分和排序替代或补充嵌入。
• 对查询与候选项之间的相关性打分。
• 用两两比较对结果重排序。
• 对查询和候选项做交叉编码以获取更高精度。
• 为下游 AI 工作流挑选有用的上下文。

科学研究

• 根据纳入和排除标准对论文做筛选，用于系统性综述。
• 用预定义的主题或类别，给访谈记录、开放式问卷回答和田野笔记中的段落打标签。
• 检查被引用的段落是否支撑稿件和生成式摘要中的论断。
• 标记缺失的方法细节，比如对照设置、数据集描述和实验配置。
• 跨论文识别实体和关系，构建研究知识图谱，把研究发现与其支撑段落关联起来。

模型路由

• 使用 Jev 构建自定义路由器，决定每条提示分配给哪个 LLM。
• 为你的特定工作流设置路由规则和阈值。
• 对意图和领域做分类。
• 估计难度和风险。
• 升级那些需要更昂贵模型的请求。

LLM 安全护栏

• 在每次 LLM 输入、输出和工具调用上加语义检查，成本远低于 LLM 调用本身。
• 检测越狱和提示注入。
• 识别违反策略和敏感数据泄露。
• 实时检测工具调用错误和响应质量问题。
• 记录结构化的检查结果和概率，让 AI 系统和 harness 失败更易于追溯。

语义代码检查

• 使用 Jev 查询为代码和写作加上自动化的语义 lint。
• 为你团队的编码规范和写作指南定义检查。
• 在 CI 中运行这些检查，并标记违规以供审查。

用于预测建模的特征抽取

• 使用 Jev 从自然语言数据中抽取概率性特征。
• 把这些特征与结构化数据结合，训练具有真实结果的预测任务模型。
• 用 autoresearch 工作流提出特征定义，并在保留的真实数据上评估它们的预测价值。

招聘

• 用明确且与岗位相关的判定标准（criteria）评估简历、应聘材料和面试反馈。
• 识别相关经验。
• 为必需的胜任力项提供打分依据。
• 把候选人匹配到岗位。
• 把候选人路由到用人经理或招聘人员。
• 升级不确定的候选人到人工复核。

线索生成

• 把公司简介、高管传记和入站消息匹配到理想客户画像。
• 给行业适配度和公司成熟度打分。
• 检测买家相关性、痛点和购买意图。
• 对线索排序并路由。

客户支持

• 按问题、产品领域和客户意图对进来的工单分类。
• 处理通话记录，提取客户问题、承诺和后续动作。
• 检测紧迫度、挫败感、流失风险和退款请求。
• 把工单路由到合适的团队、队列或自动化工作流。
• 核验支持回复是否符合策略和客户请求。

保险理赔

• 对首次出险报告、理赔员备注和支撑文件分类。
• 检测理赔的复杂度、缺失信息和潜在欺诈信号。
• 对可以直通处理的理赔或专家复核进行优先级排序。
• 升级不确定或高风险案件到人工理赔员。

金融犯罪

• 针对交易说明、KYC 文档和告警历史评估可疑特征。
• 在名称、简介和记录不一致的实体之间做匹配。
• 按风险、相关性和证据质量对告警排序。
• 把模糊的案件路由给调查员复核。

法律与合规

• 对合同、政策、监管申报和市场声明分类。
• 检测缺失的条款、禁止的声明和违反策略的情况。
• 按明确的法律或合规要求核验文档。
• 把高风险或不确定的发现升级给法务或合规团队。

电商市场

• 跨不一致的卖家目录对商品列表做分类和归一化。
• 从标题和描述中抽取商品属性。
• 检测禁止商品、假冒信号、评价作弊和违反策略的情况。
• 给商品排序，把不确定的商品列表路由到人工复核。

内容审核与信任安全

• 用公司特有的、细致的判定标准（criteria）决定哪些帖子符合你的审核标准。
• 跨社区、客服和 SDR 工作流审核用户内容和自动化对话。
• 检测毒性、骚扰、垃圾信息、欺诈、不安全建议、个人数据泄露、退出请求和违反策略的声明。
• 结合严重度和置信度，决定放行、警告、复核或屏蔽内容。

广告

• 评估创意素材、广告活动文案、落地页和投放上下文。
• 对品牌安全和受众适配性分类。
• 检查监管合规和禁止声明。
• 评估创意质量以及广告与落地页的一致性。

游戏

• 评估玩家举报、游戏内聊天、评价和支持会话。
• 审核聊天并检测滥用、毒性或可疑行为。
• 标注内容并打分挫败度或参与度。
• 检测流失信号并路由玩家支持请求。

风险评估

• 把事件报告、理赔备注、交易描述和供应商评估转化为概率性的风险指标。
• 把这些指标用于保险和承保工作流。
• 对风险类型分类并检测可疑特征。
• 给严重度打分并安排复核优先级。
• 为更广泛的风险模型抽取特征。

需求预测

• 用客户咨询、销售备注、商品评价、支持工单和市场报告中的语义信号丰富预测模型。
• 抽取购买意图、紧迫度和商品兴趣。
• 检测供应隐患、竞争压力和新兴需求主题。
• 把这些特征连同历史时序数据一起喂给预测模型。

图与知识图谱

• 用类型化的语义决策来标注和核验知识图谱。
• 对关系和实体类型分类。
• 检测记录或声明之间的矛盾。
• 支持概率性的图遍历和分层分类。

示例任务类别

本文档由 Mintlify 构建并托管。