这是什么
一个 Python 工具，用 Jev（TypeSafe AI 的 System One 模型）为文档的每个句子标注校准概率，并将结果渲染为热力图以查看整个文档。
它怎么用 Jev
每个句子通过一个 HTTP 请求发送，携带预设中的五到六个类型化问题（Noul、Score、Choice）。Jev 针对同一状态并行评估它们。答案按句子写入 JSONL，供查看器为泳道或墙格着色。
用到的原语:choicescorenoul
值得抄的做法
在手动验证时隐藏 Jev 的预测，以避免在测量校准时产生锚定效应。
怎么试
git clone && cd semantic-microscope && uv sync && cp .env.example .env && uv run microscope --help
证据
每一行都是就 README 问 Jev 的一道题。≥ 0.60 算「是」，≤ 0.40 算「否」，中间这一段 Jev 不下判断。
- Jev 是主角是0.93
- 有 System One 用法是0.75
- 处理了不确定性否0.04
- 有实测数据是0.72
- 可直接跑未判定0.55
- 值得推荐未判定0.47
- 是模型的复刻否0.04
- 问题普遍性按 0–2 打分1.00
- 与 Jev 相关是0.97
信号由 Jev jev-1.13.0 判定，简介由 DeepSeek V4.1 Flash 于 2026年9月21日 读 README 写成。