引言
研究了一种应用于开发场景的基于 Jev 的识别用户意图的方案 
需求
解决跟 AI 沟通时，我想问问题但 AI 动手干，或者说我想让 AI 动手干但 AI 只是回答的场景 
背景
用户意图识别传统方案包括有 OMA 的意图识别流程，通过提示词注入，让 AI 自己先分析。或者通过外源请求，让大语言模型独立分析一下，给结果。 
前者的问题是大语言模型自己分析可能不够客观，后者的问题是大语言模型请求慢。Jev 可以解决这两个问题。 
实验过程
实验一：多标签布尔判断
方案
我把用户提示词作为上下文，然后设置了“需不需要修改代码” “是否是回答” “是否是计划” “是否是审查” “是否是执行”这几个标签，每个标签接收是或否。 
如果是需要修改代码，那么不看后面其他问题的答案；如果是不需要修改代码，那么继续看后面四种标签。 
对于后面四个标签，之所以各自提问“是否”，而不是进行多选一，是因为用...