先以条件性退款为例
用户要求“查订单，未发货再退款”。判断“退款工具是否适用”时，订单查询和退款都可能适用，应分别问是非题；判断“这次分析选哪个模型”时才用单选；评估一项风险的严重程度则用分级评分。 即使 JEV 认为退款操作合适，也要检查订单事实与执行权限。把业务输入、语义建议和执行结果分开，后面各项 API 的状态才不会被误读。三种问题类型
一个
SystemOneRequest 包含共享 state 和按 ID 命名的多个问题。把业务材料放入 state，把判断标准写进问题；不要把金标答案或隐式授权混入待评输入。多选适用性应逐候选判断，不能用一次互斥 Choice 代替。
区分评审结果与执行决策
JevJudge 对 Noul 条件聚合：PASS、FAIL、INCONCLUSIVE、ERROR。它适合全部条件都必须满足的审核。期望为 false 时按 1-p 计算满足条件的概率。定义与阈值
JevExecution.Decision 表达组件是否形成有效建议：DECIDED、INCONCLUSIVE、ERROR、CANCELLED、SKIPPED。DECIDED 不等于任务成功，也不等于内容通过；应读取具体组件的结果。模式与预算
JevMetricResult 把状态、分类 label、分数 score 和可空 passed 分开。没有通过策略的分类指标不应被强制转成 PASS/FAIL。轨迹指标
判断不足时保留不确定性
低置信度、明确否定和请求失败是不同情况。工具选择可能回退原候选，执行防护可能拒绝受保护调用，事后评估则保留错误或弃权。按具体用途处理，不能把“没有有效判断”统一解释为允许。 概率和置信度需要按场景校准。文本模型模拟概率时尤其要保留其自报值属性，不把它当成测得的准确率。完整比较方法见评测自己的 Harness。从一个判断开始
先按客户端示例提交“退款已完成”与“尚未发起退款”的记录，读取 Noul 概率；再按条件评审加入阈值和结果处理。可运行的JevApplicationScenarios judge 用预设值展示 PASS、FAIL、INCONCLUSIVE 三种结果，帮助确认应用分支，而非验证模型准确率。