jev-rag — 本地知识搜索，使用 BM25 + Jev 重排序并给出带引用的答案。

README 自动摘要

根据 README 自动整理于 2026年11月1日，不是本站运行记录。运行步骤和作者声称的效果仍需核验。

这是什么

Jev RAG 是一个本地优先的知识搜索引擎，用于搜索本地文档文件夹。它提供七种可选的检索流水线，使用 Jev 对候选段落重排序，并流式输出带文件引用的有依据答案。

Jev 回答关于段落相关性和答案支持度的批量 Noul 问题。Python 负责阈值、排序、缓存以及证据是否进入答案模型。

用到的原语:noul

无向量 RAG：BM25 初筛段落，Jev 重排序，Python 控制阈值和证据门控。

运行 `python3 local_kb.py --documents ./docs --db .knowledge/quickstart.db index`，再运行 `search 'retrieval' --no-jev` 体验仅 BM25 演示。

README 片段的模型判断

项目信号使用仓库元信息、已有摘要与 README 前 700 个字符；没有通读完整项目。“未检出”仅表示这些材料中未检出，并不证明项目没有该能力。这里保留原始判断与实际记录的模型、日期，不是源码审计或运行验收。

这些信号只读取仓库元信息、已有摘要与清理后的 README 前 700 字符。≥ 0.60 表示片段中有提及，≤ 0.40 表示未检出，中间为未判定；都不是源码审查或运行结果。「可运行工具」题排除了研究实验，「推荐」题筛的是学习案例 Top 10，不是内容质量合格与否。

信号

无判定区（0.40–0.60）

设计模式

无判定区（0.40–0.60）

各阶段的 Jev 模型与判定日期见上方记录。简介由 DeepSeek V4.1 Flash 于 2026年11月1日读 README 写成。