OpenClaw—AI研究能不能把一个大语言模型变成一个专业的决策工具？Privatemode公司近日发表了一篇技术博客，展示了他们如何用国产GLM-5.3-Flash模型实现类似Jev的决策能力——在一次前向传播中就给出带置信度的决策选项。
Jev是一款专业的决策模型，通常需要专门训练。但Privatemode发现，通过特定的提示词工程和一个巧妙的架构设计，普通LLM也能实现相同效果：输入一个状态描述和一组命名选项，模型在单次调用中就返回选中的选项以及每个选项的概率值。这对于高频决策场景（如客服工单分配、合同条款归类）来说，意味着成本和延迟的大幅下降。
他们用公开数据集构建了一个基准测试，将GLM-5.3-Flash的决策表现与Jev原版进行对比。结果显示，在决策准确率和速度两项指标上，两者表现相当。但GLM-5.3-Flash还有一个Jev不具备的能力：它可以对图片输入进行typed decision，直接基于图像内容返回结构化决策结果。
技术实现上，关键在于两点：第一，用特定格式的提示词让模型输出结构化JSON而非自由文本；第二，通过置信度阈值控制输出的可靠性。研究团队在9B参数规模的模型上验证了该方法的有效性，并将完整代码开源，供社区参考。
这项技术的实用价值在于：企业无需部署专门的决策模型，直接在现有的LLM API基础上加上决策提示模板，就能实现每秒处理数百次决策请求的能力。这对于需要将AI集成到现有软件系统中的开发者来说，是一个低门槛的解决方案。
不过，研究者也指出了当前的局限：模型在极端边缘情况下的表现仍不稳定，置信度分数在某些类别上的校准程度不足。随着模型能力的提升，这些问题有望逐步得到改善。
目前Privatemode已将相关模型和服务开放访问，开发者可以在他们的门户网站上申请试用。对于关注AI Agent实际落地的从业者而言，这是一项值得关注的技术进展。