jevbooks

← 全部项目

legends-jev

avalonreset/legends-jev · 项目主页

通过 Jev 提供类型化决策、OCR 和招牌验证。

Agent 决策0.79次选分类: 校验与安全门漏斗验货常开常闭
README 自动摘要

根据 README 自动整理于 2026年11月4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 Python CLI 和库,面向操作员,从短文本或 1–4 张 PNG/JPEG 图像返回经过验证的 Choice、Score、Noul 和 Box 答案,涵盖 OCR、店面招牌检查和计算机使用决策建议。

它怎么用 Jev

Jev 回答类型化问题:在显式候选动作中选择(Choice)、数值判断(Score)、不确定性(Noul)以及边界框定位(Box)。适配器验证响应,将归一化框映射回原始图像的 pixel_box 坐标,并在错误或不确定性门控时返回回退。

用到的原语:choicescorenoul

值得抄的做法

将超出范围的图像归一化到 280–1568 px,使用 TypeSafe-Danger-Zone-Images 头发送,然后将 0..1 框映射回原始像素坐标。

怎么试

python -m legends_jev sample,然后 readiness、preview 和 decide --execute --output receipt.json

去 GitHub 看

开始使用 Jev:API key 与第一个请求 →

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0.96
  • 展示了 System One 用法片段中未检出0.30
  • 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0.79
  • 学习案例 Top 10 候选信号片段中未检出0.30
  • 是模型本身的复刻片段中未检出0.02
  • 解决的问题够普遍(0–2)按 0–2 打分1.24 / 2
  • 与 Jev 相关在材料中检出0.98
信号
Jev 是项目的核心0.96展示了 System One 用法0.30写了怎么处理不确定0.03给出了实测数字0.02是能跑起来的工具0.79学习案例 Top 10 候选信号0.30是模型本身的复刻0.0200.51解决的问题够普遍(0–2)1.24 / 2012

无判定区(0.40–0.60)

设计模式
常开常闭0.88验货0.83漏斗0.71体检0.5200.51

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4日 读 README 写成。