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
evalr 是一个用于 agent 系统类型化评估的 Python 库。评估器对输入（如聊天线程或工作流运行）给出 Pydantic 类型的判定，与人类反馈同型，因此可在人类反馈上训练并据此衡量。
它怎么用 Jev
DecisionEvaluator 通过 pydantic-ai 封装 TypeSafe 的 Jev，使用相同的 Pydantic 判定类型与输入类型，并带 min_confidence 阈值。Jev 返回校准后的置信度；Fallback 将其与 DSPy 评判器组合，仅在 Jev 不确定处由评判器作答。
用到的原语:choicescorenoul
值得抄的做法
通过 Fallback 把校准的决策模型放在训练好的评判器之前，使评判器只处理决策模型不确定的样本。
怎么试
用 uv add "evalr[all] @ git+https://github.com/alexnodeland/evalr" 安装；需要 OPENAI_API_KEY 和 TYPESAFE_API_KEY。
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。
模型与判定日期
- 收录门禁
jev-1.14.0- 项目信号
jev-1.14.0- 项目分类
jev-1.14.0- 模式标签
jev-1.14.0
证据
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。
- Jev 是项目的核心片段中未检出0.19
- 展示了 System One 用法片段中未检出0.15
- 写了怎么处理不确定片段中未检出0.03
- 给出了实测数字片段中未检出0.02
- 是能跑起来的工具在材料中检出0.92
- 学习案例 Top 10 候选信号片段中未检出0.12
- 是模型本身的复刻片段中未检出0.18
- 解决的问题够普遍（0–2）按 0–2 打分1.58 / 2
- 与 Jev 相关在材料中检出0.94
无判定区（0.40–0.60）
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。