这个 Demo 听起来思路很清晰，把客服质检的三个核心维度都覆盖了：

① 意图识别 — 判断用户想做什么（退货、催单、投诉、咨询等），自动分流或打标签

② 情绪监控 — 实时检测对话中的情绪波动（愤怒、焦虑、失望），预警升级风险

③ 危险话术拦截 — 识别客服/Agent 的不当回复（辱骂、推诿、承诺超纲等），即时阻断

有几个点想和你聊聊：

1. 你用的"Jev"是指哪个工具/框架？

如果是 Jev (= Jevn? 还是 Jet？) 我没太理解这个名称，愿闻其详

或者是用了某个 LLM（比如 Claude API）自己搭建的？

2. 架构上你是怎么串的？

是每次客服回复后异步调一个质检模型？

还是流式实时拦截（回复发出前先过一遍规则）？

三个任务是同一个模型一次搞定，还是各自独立调不同的 prompt/model？

3. 危险话术这块——你是用固定规则（正则/关键词）还是 LLM 判断？

如果是 LLM 判断，误报率感受如何？客服场景误拦截会直接影响响应效率，这块的平衡策略挺有意思。

你之前研究过 Qt C++ 和 AI Agent，这个 Demo 是纯 API 调用的方案，还是也涉及了 Agent 工具调用的编排？