情緒測謊器

September 20, 2026 · View on GitHub

嘴上說「好」，心裡真的好嗎？用這個情境展示 TypeSafe Jev（System One 模型）和一般 LLM 的差別。兩者都透過 OpenRouter 呼叫，只需要一把金鑰。

Jev 是什麼

Jev 不產生文字，只在你定義的選項上給機率。

型別範例裡的問題回傳
Choice真正的意思（四選一）choice、各選項 probabilities、confidence
Score火氣（四級）score、各級 probabilities、confidence
Noul該馬上關心嗎noul（「是」的機率）

執行

需要 uv。

cp .env.example .env   # 填入 OPENROUTER_API_KEY
uv sync
uv run uvicorn app:app --port 8010   # 開啟 http://127.0.0.1:8010
uv run python main.py                # 命令列版
環境變數說明
OPENROUTER_API_KEY取得金鑰，Jev 與 LLM 共用
JEV_MODEL選填，預設 jev-latest
OPENROUTER_MODEL選填，對照用 LLM，預設 google/gemini-3.5-flash-lite

金鑰只留在伺服器端（app.py），瀏覽器拿不到。

頁面功能

  • 即時判斷： 打字或點現成句子，每次停頓就問 Jev 一次，機率長條跟著變。
  • 機率軌跡： 每個字如何改變各選項的機率。
  • 多問 30 題： 同一個 request 附上 30 題是非題，並可實測 1、5、15、30 題的耗時。
  • 門檻刻度尺： 拖動兩個 confidence 門檻，對應「直接問／先試探／直接行動」與 Python 分支。
  • LLM 對照： 同一題送給一般 LLM，比較耗時、費用與輸出格式。
  • 三個情境：另一半、主管、朋友。questions 可在頁面上直接改。

實測（2026-09-20，台灣連線）

  • Jev 一次來回 350 到 600 ms，偶爾 1 秒。官方的 70 到 500 ms 是在美西量的。
  • 問 1 題 396 ms，問 30 題 567 ms；33 題約 0.000045 美元。
  • 同樣 33 題給 google/gemini-3.5-flash-lite：2747 ms、0.002 美元，約慢 5 倍、貴 60 倍。
  • 同一句話重複問，結論一致，機率浮動約 ±0.03。
  • 題目措辭要和你想問的事完全一致，Jev 照字面判斷。「該馬上關心」原本寫成「對方期待你現在聯絡或改變計畫」，「隨便你」只得 0.32；改成「你現在應該主動關心對方的感受」後是 0.70。
  • 中文讀得懂：「隨便你」在生氣 0.71；「好啊～玩得開心」真的沒事 0.64；「好」加句號後，真的沒事從 0.35 降到 0.22。

Jev 怎麼走 OpenRouter

Jev 走獨立的 POST /api/v1/systemone 端點，不在 /api/v1/models 清單裡。官方 typesafe-sdk 改 base URL 即可：

TypeSafeClient(api_key=os.environ["OPENROUTER_API_KEY"], base_url="https://openrouter.ai/api")

模型 ID 可寫 jev-latest、jev-1.13 或 typesafe/jev-1.13。

參考