实战一：售后邮件分流

这次只做一件事

把本地的脱敏邮件分到 shipping、refund、billing 或 other。输入文件由你准备，不连接真实邮箱，不修改工单系统。

流程拆解

邮件样本 → Jev 选择队列 → 代码检查输出 → 人工确认 → 将来再接工单系统。

模型判断和业务执行之间留一个明确的检查层：返回标签是否在允许清单中？confidence 是否存在且满足经验证的门槛？是否触发多意图、资料不足或高影响操作标记？

先运行不花钱的离线演示

部署包附带的 Python 示例默认只读取预设响应，不联网。这用于检查代码和输出格式，不代表 Jev 的真实分类效果。

python examples/support_router.py

确认账户、权限、费用与数据后，再显式启用实际调用：

python examples/support_router.py --live --input examples/sample-email.txt

密钥只从 TYPESAFE_API_KEY 或终端隐藏输入读取。程序只打印分类与待复核状态，不执行发信、退款或订单修改。

为什么不能直接“置信度够高就退款”

置信度是模型输出信号，不是业务授权。退款金额、订单归属、可退状态、审批人及幂等性必须由确定性代码检查。示例中的门槛仅为演示配置，未在你的数据上校准。

验收看什么

检查正常邮件、无关邮件、多意图、空输入、超时、错误密钥及未知标签。先记录错分的代价，再决定是否自动分派；高代价动作保留人工确认。