高效工作流：四种架构模式与 coding agent 配合

💡 目标：约 44 分钟内掌握官方 Patterns 文档的四种架构模式，组装出你的第一条生产级 Jev 工作流——一次请求问一批问题、按置信度分级路由、原子打分加权合并，最后让 Claude Code 替你写调用 Jev 的代码。

🎯 阶段目标

完成了日常使用：掌握 Jev 的五种提问方式：会出 Choice / Score / Noul 三种题——本阶段的置信度门控全靠 Confidence 置信度那课的底子
安装与第一个请求那课的环境还能跑：TYPESAFE_API_KEY 在环境变量里
（只有第 4 课需要）装有 Claude Code 或其他 coding agent；没有也不影响前三课
一杯水 ☕——这一阶段搭架构为主，代码量不大

先看这条 Jev 工作流能帮你解决什么问题。如果你平时就是这么写的，这一阶段就是为你准备的：

你现在的写法	换成 Jev 工作流
❌ 提示词里求 LLM「请返回 JSON」，再写一堆解析代码兜格式漂移	✅ 答案天生在你给的选项里，代码直接 `if`，不用从生成文本里恢复数值
❌ 一条消息一个请求，量一上来成本和延迟跟着涨	✅ 一次请求并行问 N 题：加题几乎不增响应时间，只多几题的 token
❌ 模型从不承认「我不确定」，错了也照答，只好全程人工盯	✅ confidence 是从概率分布算出的确定度（0–1），低了自动转人工

官方 Patterns 文档把这些做法总结为四种架构模式。本阶段前 3 课把它们逐个拆解，第 4 课解决「谁来写这些代码」：

模式	一句话	收益
Speculative fan-out 投机扇出	「可能需要」的问题全放一个请求里问，代码事后决定用哪个	成本、速度
Confidence-gated routing 置信度门控	答案告诉你「是什么」，confidence 告诉你「要不要做」	可靠、安全
Composite scoring 组合打分	复杂判断拆成原子分数，代码里加权合并	成本、可靠、速度
Intent routing 意图路由	先分类意图，再路由到确定性逻辑、专家 LLM 或人工	成本、速度

怎么选？官方没有现成的「选型」章节，收益这一列就是最实用的依据：卡成本和速度，先看扇出和路由；怕出错要安全，先看置信度门控。

课程安排：

课程	内容	时长
3.1 并行提问与投机扇出	一次请求问 13 个问题的官方实测：12.2 倍便宜、10.0 倍快、答案不变；投机问题「问了不用」几乎免费	12 分钟
3.2 智能路由	Choice 分类意图 + Score 评复杂度，按 confidence 派发给确定性代码、专家 LLM 或人工；阈值随风险伸缩——0.6 兜底、自动转账要 0.85	12 分钟
3.3 组合打分	简历筛选案例：4 个维度各自 Score、归一化后加权合并；排名不合预期就改权重，不改 prompt	10 分钟
3.4 与 Claude Code 配合开发	Jev 不是 coding agent 的模型——装 TypeSafe Agent Skill 让 agent 写调用 Jev 的代码；3 个官方示例 prompt 与 5 个常见问题	10 分钟

💡 现在就能尝鲜

第 4 课的 TypeSafe Agent Skill，Claude Code 里两条命令就能装好：

bash

claude plugin marketplace add typesafe-ai/skills
claude plugin install typesafe@typesafe-ai

装完在对话里点名「use the TypeSafe skill」，或直接调 /typesafe:typesafe-ai。其他 agent（Codex 等）用 npx skills add typesafe-ai/skills --skill typesafe-ai。

模式练完，想去真实项目里看它们怎么落地？下一阶段场景实战：选择你的路线有 15 个完整案例（比如 LLM 护栏：一次请求给 LLM 应用的出入门消息全安检）。