README 自动摘要
根据 README 自动整理于 2026年11月3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
一个用 Go 编写的模块化 AI 智能体，面向探索编排的开发者：结合本地 Ollama 模型、技能选择和 MCP 工具来处理用户请求并维护对话历史。
它怎么用 Jev
Jev 根据用户请求从可用技能定义中选出最相关的技能，或选择 none。Jev 还会评估可用的 MCP 工具，判断是否需要工具以及选用哪一个。选中的技能进入系统提示词；选中的工具驱动参数生成与执行。
用到的原语:choice
值得抄的做法
把技能选择和工具选择拆成两次独立的 Jev 决策，使行为指令与可执行动作保持分离。
怎么试
在 .env 中设置 JEV_API_KEY，运行 ollama pull llama3.2，然后 go mod tidy 和 go run .
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 是项目的核心在材料中检出0.89
- 展示了 System One 用法未判定0.45
- 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0.94
- 学习案例 Top 10 候选信号片段中未检出0.34
- 是模型本身的复刻片段中未检出0.07
- 解决的问题够普遍（0–2）按 0–2 打分0.75 / 2
- 与 Jev 相关在材料中检出0.97
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3日 读 README 写成。