Jev与DuckDB：在SQL中用自然语言条件

Geertjan Wielenga, Gábor Szárnyas 2026-09-29 | 8 分钟

TL;DR：TypeSafe AI 于 2026 年 9 月 15 日发布了 Jev，一个返回类型化答案而非文本的模型。在十天内，多个社区扩展让你可以用自然语言条件对 DuckDB 行进行过滤、分类和评分。本文介绍 Jev 是什么、这些扩展如何工作，以及关于它们的文章和视频。

假设你有一个包含 50,000 条支持工单的 Parquet 文件，想知道哪些客户在生气。一个 LIKE 模式 找不到这一点。通常的选择是标注数据并训练一个分类器，或者将每一行发送给聊天 LLM 并解析它返回的文本。第一种需要前期投入工作。第二种速度慢，且每行成本更高。

2026 年 9 月 15 日，TypeSafe AI 推出了 Jev，一个用类型化值和概率而不是一段文字来回答这类问题的模型。一周内，Hamilton Ulmer 在 X 上发帖称他构建了一个 DuckDB 扩展，可以在大约十秒内对任意 CSV、Parquet 文件或表中的约 1,000 行进行分类。接下来几天出现了其他 DuckDB 扩展。

本文介绍 Jev 是什么、这些扩展如何工作，以及在哪里可以阅读更多内容。

Jev 是什么

Jev 就是 TypeSafe 所称的 System One 模型：你向它发送一个状态和一组问题，它返回带有校准概率的类型化答案。它从不生成句子。在 发布文章中，创始人 Diogo Almeida（曾在 OpenAI 从事 ChatGPT 背后的研究）将其描述为由前沿智能支持的函数调用。这个名字指的是卡尼曼的快速 System 1 思维，以及经济学家 William Stanley Jevons。

有三种问题类型，每种都对应 SQL 已有的东西：

TypeSafe 宣称端到端延迟为 70–500 毫秒，每百万输入 token 费用为 0.042 美元，输出 token 免费。请求中的所有问题都会并行评估，因此对一行提出五个问题所花的时间比只问一个多不了多少。发布文章将“对大数据进行 map-reduce”列为目标用例，这正是人们使用 DuckDB 所做的那类工作。

如需独立背景资料，The New Stack 的发布报道涵盖了这轮 4000 万美元的种子轮融资。LangChain 关于用 Jev 构建 harness 的文章展示了它如何融入智能体循环。Hyperstack 的深度剖析在一个开放模型上复现了评分机制，并对照 LangChain 的基准检查了 TypeSafe 的速度声明。请注意，标题中的 190 倍加速数字来自 TypeSafe 自己的工作流评估。

pg-jev 与 DuckDB 移植版

第一个 SQL 集成是针对 Postgres 的。9 月 17 日，Zachi 在 X 上发布了 pg-jev：一个 jev() 函数，可将自然语言条件转换为 WHERE 子句，无需索引，也无需嵌入。他的演示在大约一秒内判断了 129 行，费用不到十分之一美分，你可以在 pg-jev 在线演示中的模拟表上试用。源代码在 GitHub 上。四天后，Actian 聘用了他。

DuckDB 移植版在几天内相继出现。与原版最接近的是 judoaseeta/duckdb-jev，它保留了 pg-jev 的函数名。

安装

除了 jev 社区扩展之外，大多数扩展尚未通过社区扩展仓库分发，因此你需要自行构建它们，并作为未签名扩展加载。在本文其余部分，我们将使用 jev 社区扩展。要安装并加载它，请运行：

INSTALL jevFROMcommunity;LOAD jev;

jev 社区扩展目前仅在 DuckDB v1.5.5 中可用。

然后设置你的 TypeSafe API 密钥，你可以在注册并充值账户后从 TypeSafe 控制台获取：

SETjev_api_key='...';

该扩展必须针对你所运行的确切 DuckDB 版本和平台构建。

一个示例

警告 本文中的所有扩展都会将行内容发送到第三方 API。请勿在你不被允许共享的数据上使用它们。

让我们从使用 person 表进行过滤开始，该表来自 LDBC SF0.1 数据集。

-- Filter: a boolean predicateCREATETABLEpersonASFROM'https://blobs.duckdb.org/data/ldbc-sf0.1-person.parquet';SELECTid,firstName,lastNameFROMpersonWHEREjev(person,'the name is European')LIMIT5;

┌────────────────┬───────────┬──────────┐
│       id       │ firstName │ lastName │
│     int64      │  varchar  │ varchar  │
├────────────────┼───────────┼──────────┤
│           1129 │ Carmen    │ Lepland  │
│ 10995116278700 │ Joseph    │ Anderson │
│ 28587302322727 │ Steve     │ Moore    │
│ 30786325578904 │ Giuseppe  │ Donati   │
│  6597069766983 │ A. C.     │ Bos      │
└────────────────┴───────────┴──────────┘

在工单系统中，你可以按如下方式对工单进行排名、分类或评分：

-- Rank: a probability you can sort onSELECTsubject,jev_prob(tickets,'the customer is angry')ASpFROMticketsORDERBYpDESCLIMIT20;-- Classify: one of a fixed set of labelsSELECTjev_choice(tickets,'which team should handle this?',['billing','technical','security','sales'])ASteam,count(*)FROMticketsGROUPBY1;-- Score: a position on an ordered rubricSELECTname,jev_score(products,'how luxurious is this product?',['budget','mid-range','premium','luxury'])ASluxuryFROMproductsORDERBYluxuryDESC;

因为 jev() 返回布尔值，所以它能与 SQL 的其他部分配合使用。如果你在同一个 age > 40，它会先运行，被它拒绝的行永远不会发送到 API。一个 WHERE 子句中添加一个更廉价的条件，例如 LIMIT 会提前停止扫描，而 jev_max_rows_per_statement 会限制支出。

视频 “I Tested Jev with DuckDB. It's 1.8x Faster Than Haiku.” 演示了在 DuckDB 中使用自然语言 SQL 查询，并将 Jev 的速度与 Claude Haiku 进行比较。1.8 倍这个数字来自一次测试。

DuckDB 扩展

几个人独立构建了这些扩展，他们在批处理、缓存和输出类型方面做出了不同选择。

DuckDB 以最多 2,048 行的块将行传递给扩展，这适合批处理 API 调用。recodelabs 扩展按问题和选项对每个块进行分组，跳过相同的行，并通过 jev_concurrency 个线程将其余行分批发送。它使用指数退避重试 429 和 5xx 错误。

批处理对速度有很大影响。prasanthj 扩展报告称，100 行嵌套 JSON 以每批 25 行发送时中位耗时为 0.211 秒，而一次一行则为 16.8 秒。一次 2,049 行的运行耗时不到一秒。作者指出，这些计时来自一次在合成数据上的本地运行。不过，更大的批次可能会牺牲准确性：pg-jev 的文档报告称，每请求超过大约 20–25 行后准确性会下降，因此请在你自己的数据上测试批次大小。

Colliber 的版本直接使用 Jev 的类型化输出。选项值预先定义，因此结果可以是 DuckDB 的 ENUM，而不是需要解析的文本。prasanthj 构建可以评估嵌套 JSON、STRUCT、LIST 和 ARRAY 值，而无需将其导出到 Python。

在 Hamilton Ulmer 的帖子下的一些回复指出，一旦训练成本被摊销，经过微调的 ModernBERT 仍然更便宜，而且将分类视为嵌入检索在 CPU 上可以达到约每秒 20,000 行。当你没有标注数据且有一个新问题要问时，Jev 最有意义。对于高吞吐量的固定分类任务，训练好的模型可能更便宜、更快速。

结论

Jev 返回一个 BOOLEAN、一个 ENUM 或一个序数分数，而 DuckDB 可以对这三者进行过滤、分组和排序。借助这些扩展，你可以用英语编写条件，并将其与连接、GROUP BY 和窗口函数一起使用。

Jev 处于候补名单后的早期访问阶段，这些扩展才发布几天且未经签名，大多数性能数字来自其作者本人。请从一个小的、非敏感的样本开始，关注你的使用计数器，并在信任这些标签之前与基线进行比较。如果你用 Jev 和 DuckDB 构建了某些东西，扩展作者欢迎在其代码仓库上提交 issue 和 pull request。

延伸阅读

• Introducing System One Models & Jev（TypeSafe AI 的发布帖）
• TypeSafe 推出 Jev，因为顺序 LLM“对计算机完全无用”（The New Stack）
• What Is Jev? A Guide to TypeSafe AI's System One Model（LangChain 博客）
• Jev: TypeSafe AI's First System One Decision Model（Hyperstack）
• I Tested Jev with DuckDB. It's 1.8x Faster Than Haiku.（YouTube）
• Calling Jev from SQL（YouTube）
• pg-jev 发布帖 和 现场演示（Zachi）
• Hamilton Ulmer 的 DuckDB 扩展帖子（X）