Jev 教學：用 Jev API 做情緒分析的 7 個步驟（附題目原文與實測成本）

一句話： Jev 的用法是對 TypeSafe 的 API 送出一個 POST 請求，內容是「結構化資料加幾個題目」，回傳每題的選項、分數或機率。用在論壇情緒分析時，我們實測最有效的是 7 件事：問題拆窄、拆開引用、用 Score 而不是單選、用自己的樣本調門檻、把定義寫死、用信心分流、鎖定版本；另外批次處理時要限制併發。這篇把每一步和它的實測證據一起給你。

如果你還不確定 Jev 是什麼、準確度夠不夠用，請先看Jev 是什麼＋粵語實測。本文是做法篇，實測的樣本、標準答案與限制都在那一篇。

Jev API 怎麼開始？申請與 API key

申請流程、免費額度等細節，我們沒有逐項驗證，一律依官網為準。

Jev API 的請求長什麼樣子？

端點是 POST https://api.typesafe.ai/v1/systemone。請求有三個部分：model（模型版本）、state（結構化資料）、questions（題目）。下面是最小可用的例子，用兩個題目示範結構（key 是假的佔位）：

curl https://api.typesafe.ai/v1/systemone \
  -H "Authorization: Bearer $TYPESAFE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "jev-1.13.0",
    "state": {
      "keyword": "港鐵",
      "thread_title": "（討論串標題）",
      "opening_post": "（主文，最多 600 字，只當上下文）",
      "quoted_post": "（被回覆的上一則，只當上下文）",
      "post": "（要判斷的那一則）"
    },
    "questions": {
      "relevant": { "type": "noul", "instructions": "...", "criteria": { "true": "...", "false": "..." } },
      "intent": { "type": "choice", "instructions": "...", "criteria": { "complaint": "...", "praise": "...", "question": "...", "other": "..." } }
    }
  }'

回應的重點欄位：

三種題型：Choice 是單選、Score 是分級打分、Noul 是是／否機率。同一份 state 上的多個題目是平行評估的。

用 Jev 做情緒分析的 7 個步驟

以下每一步的數字，來自我們在 405 則連登、Pantip、HardwareZone 貼文上的實測（測試日期 2026-10-12，模型 jev-1.13.0，標準答案由 AI 預先標註、母語者抽查 20/20，樣本與限制見實測篇）。

步驟 1：把問題拆成窄的、分開的題目

同一個請求裡問相關性、情緒、意圖三題，彼此獨立。我們三題合計平均每則 1,063 個輸入 token，輸出免費，所以多問幾題不會像生成式模型那樣多付輸出費用。

步驟 2：用結構化的 state，把引用拆開

論壇回覆常把上一則一起貼進來（例如 HardwareZone 的「X said: … Click to expand…」）。如果整串丟進去，Jev 會被引用的內容帶著走。

把引用整個刪掉更糟，因為短回覆失去了意義。所以做法是：quoted_post 放上下文、post 放要判斷的文字，並在每個題目後面加這句（原文）：

post is a forum message or a thread title. opening_post, when present, is the first message of the thread, and quoted_post, when present, is an earlier message that post replies to. Use them only as context; judge post only.

加入討論串的開頭貼文當上下文，也修正了一則反諷的粵語回覆（v1 讀成正面，v2 讀對成負面）。相關性掉的 5 分是這個做法的代價，值得自己的資料上再確認一次。

步驟 3：情緒用 Score，不用四選一的 Choice

多數的分歧發生在語氣的輕重（「有點負面」還是「中立」）。Score 讓你自己決定中立帶有多寬。Jev 文件警告它可能偏向第一個 Choice 選項，所以我們把情緒選項順序反過來測：105 則裡有 98.1% 答案不變，順序偏誤在這個題目上很小。

步驟 4：用自己的標註樣本調門檻

這一步影響最大。用同樣的 300 則連登貼文與較早的 v2 題目：

Jev 傾向把中立文字讀成「略為負面」，所以負面門檻要比正面嚴。做法：把資料分成兩半，用偶數列調門檻，只在奇數列報告準確度。我們最終的門檻（v3 題目）：

這是我們資料的數字，你的資料請自己調。

步驟 5：把定義寫進題目，Jev 照字面讀

Jev 不會替你猜你的意思。例如早期意圖定義下，它把批評官員的貼文標成「抱怨」（產品抱怨）。補上「批評個人、政治人物或政府是 other，不算 complaint」之後：

定義也比模型更能左右排名：品牌只是事件現場時，嚴格定義下 Jev 的相關性是 88.0%（勝過 Haiku 的 80.7%）；改成「現場也算相關」後換成 Haiku 領先。所以要把「什麼算相關、壞消息算不算負面、什麼算抱怨」先決定好，寫進題目。

步驟 6：把信心當第二個維度，用來分流

Jev 的信心有校準過，可以當作自動接受的門檻（連登 300 則、最終題目）：

沒把握的那部分，送人工複核或第二個模型。混合做法（Jev 有把握時用 Jev，否則 Haiku）在 150 則留出資料上的結果：

步驟 7：鎖定模型版本

請求裡寫 "model": "jev-1.13.0"，不要用 jev-latest。別名指向的模型一換，你調好的門檻就可能失準；回應裡的 model 欄位也會告訴你實際是哪個版本回答的。

題目原文（第三版）：可以直接複製

下面是我們最終使用的 v3 題目，英文原文保留（Jev 以英文為主要語言，題目用英文寫較穩），中文說明在每段前後。

情緒（Score，五級）： 說明是「這則貼文有多負面或正面？同時算它表達的感受與它報導的新聞：壞事的報導即使寫得中立也算負面，好消息算正面。」五個等級依序是：明確負面、略為負面、中立、略為正面、明確正面。

{
  "type": "score",
  "instructions": "How negative or positive is `post`? Count both the feeling it expresses and the news it reports: a report of a bad event is negative even when written neutrally, and good news is positive.",
  "criteria": [
    "Clearly negative: complains, criticises, mocks, is angry or disappointed, or reports serious bad news (deaths, injuries, crimes, scandals, big losses)",
    "Slightly negative: mild criticism or doubt, or reports minor bad news (price rises, small problems, falling share prices)",
    "Neutral: factual information with no good or bad side, a question, or no feeling",
    "Slightly positive: mild approval, or reports minor good news (discounts, free rides, small gains)",
    "Clearly positive: praises, recommends or is excited, or reports clearly good news"
  ]
}

相關性（Noul）： 問這則貼文是否與追蹤的關鍵字有關，包含事件發生在該品牌或其現場的情況。

{
  "type": "noul",
  "instructions": "Does `post` concern `keyword`: an opinion, information, news or a question about it or its products, prices, stores, stations, vehicles or staff, including incidents that happen in or involve them?",
  "criteria": {
    "true": "The post concerns `keyword`, even if `keyword` is only the place, vehicle or company where an incident happened.",
    "false": "`keyword` is not involved: the post is about another brand, a different topic, or other people in the conversation (for example a reply mocking a politician that says nothing about `keyword`)."
  }
}

意圖（Choice）： 抱怨、讚美、提問、其他；批評個人或政府歸入 other。

{
  "type": "choice",
  "criteria": {
    "complaint": "Criticises or expresses dissatisfaction with a product, brand or company's service. Criticism of individual people, politicians or the government is `other`, not complaint.",
    "praise": "Praises or recommends a product or brand, or expresses satisfaction with it.",
    "question": "Mainly asks a question.",
    "other": "Anything else: news, information, prices, advice, jokes, remarks or criticism about people or the government, or a neutral view."
  }
}

把上面的 Context 句子加到每個題目的 instructions 後面。收到回應後，換算成標籤的程式碼大致是：

const sentiment = answers.sentiment.score - 2; // -2..+2
const label = sentiment <= -1.25 ? 'negative' : sentiment >= 0.75 ? 'positive' : 'neutral';
const relevant = answers.relevant.noul >= 0.55;

Jev 要花多少錢？跟 Claude Haiku 比

價格依牌價：Jev 輸入每百萬 0.042 美元、輸出免費；Haiku 輸入每百萬 0.10 美元、輸出每百萬 0.50 美元（Anthropic 牌價，提示詞 100K 以內）。

Jev 有流量限制嗎？怎麼限制併發

依文件，每個帳號每秒 80 個請求、10 萬 token。Jev 是一則一個請求，所以大量處理時要自己控制併發，否則會碰到上限。以我們的三題設定，每則約 1,063 token，每秒 80 個請求約 8.5 萬 token，兩個上限大致同時接近。建議：

• 用併發池（例如固定同時 10 個請求）而不是一次全送出。
• 遇到被限流的回應時指數退避重試，並設重試上限。
• 把請求做成可重跑：記下已標註的貼文 ID，失敗只補跑缺的。

常見的坑

想直接標連登資料？

自己串 API 要抓資料、寫題目、調門檻。如果你的資料來源就是連登，我們的 LIHKG actor 新增了選用的「AI 輿情標籤」，引擎是 Jev，相關性、情緒、意圖三項每標一筆 0.002 美元；免費方案每次 run 前 20 筆免費，定價自 2026-10-27 起生效。抓取本身見香港論壇專題。本站與 TypeSafe、Anthropic 沒有合作或背書關係。

想比較自己做與購買輿情工具，可看DIY 輿情 vs OpView／KEYPO；想讓 AI 代理人直接問資料，看巴哈姆特 × Claude Code × Apify。

從最省事到最自由

我幫你跑 代管，每天送到你的表 你什麼都不用做。每月 US$299 起。 直接在這用 跑免費工具 即時、免設定、就在本站。 跑我的 actor 用你自己的 Apify 帳號 同一份資料，你自己跑、按筆計費。 自己動手建 免費註冊 Apify 開免費帳號，自己把管線建起來。

本文含 Apify 推薦連結（不影響你的費用）。文中的成本與比較都據實列出，包含 Apify 不划算的情況。

FAQ

Jev ai 怎麼用？ 向 https://api.typesafe.ai/v1/systemone 送出 POST 請求，帶上模型名稱、結構化的 state，以及一到數個題目（Choice、Score 或 Noul），回應就是每個題目的答案與信心。完整範例見本文。

Jev 怎麼申請 API key？ 依 TypeSafe 官網與文件（docs.typesafe.ai）的說明註冊並取得 API key。本文不代替官方流程，也不會在文章中放任何真實 key。

Jev 價格多少？ 依 TypeSafe 文件，輸入 token 每百萬 0.042 美元，輸出 token 免費。我們的三題標註每則約 1,063 個輸入 token，約 0.000045 美元，十萬則約 4.50 美元。

Jev 有流量限制嗎？ 有。依文件每個帳號每秒 80 個請求、10 萬 token，所以批次處理時要限制併發。

Jev 情緒分析的準確度如何？ 在連登 150 則留出資料上，調整過題目與門檻後，情緒 78.0%、相關性 92.0%、意圖 85.3%；Claude Haiku 5.5 為 82.7%、95.3%、90.0%。完整比較見另一篇實測。

為什麼要鎖定 jev-1.13.0？ jev-latest 這類別名指向的版本會變，答案可能悄悄改變。鎖定 jev-1.13.0，才能讓你調好的門檻持續有效。

作者 Chad 實際經營 30 多隻上架 Apify actor（含本文用到的 LIHKG-scraper）。本文數字來自 2026-10-12 的實測：標準答案由 AI 預先標註並經母語者抽查，樣本小、版本為 jev-1.13.0 與 claude-haiku-5-5，新版本可能不同。