这是什么
agent-chaperone 在 AI 代理的工具调用运行前筛查它们，并在代理读取工具结果前筛查这些结果。它是一个 MCP 代理，外加针对客户端内置工具的 hooks 适配器，面向运行 Claude Code 等 MCP 客户端的开发者。
它怎么用 Jev
Jev 做出筛查决策：它接收工具调用或结果的状态，并针对 destructive、exfiltration、severity 和 instructs_reader 等问题返回校准的概率。这些概率会与策略文件中的阈值比较，结果连同产生它的数字一起被记录。
用到的原语:choicescorenoul
值得抄的做法
每个决策都以概率形式返回，每个阈值都放在策略文件而非提示词中，每个判断都连同产生它的数字一起记录。
怎么试
npm install -g agent-chaperone，然后包装 MCP 服务器或注册 hooks；默认以 shadow 模式启动。
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 是主角否0.10
- 有 System One 用法是0.62
- 处理了不确定性否0.21
- 有实测数据否0.12
- 可直接跑是0.96
- 值得推荐否0.09
- 是模型的复刻否0.08
- 问题普遍性按 0–2 打分1.87
- 与 Jev 相关是0.72
信号由 Jev jev-1.13.0 判定，简介由 DeepSeek V4.1 Flash 于 2026年9月23日 读 README 写成。