jevbooks

← 全部项目

bf-jev-deep-research

BFLabsAI/bf-jev-deep-research · 项目主页

Agent Skill + 关于 Jev(TypeSafe AI 的 System One Model)的逐字研究。

Agent 决策0.82次选分类: 基础设施 / SDK / 集成
README 自动摘要

根据 README 自动整理于 2026年9月29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

安装一个适用于 Claude Code、Cursor 和 Codex 的 Agent Skill,教 AI 代理正确使用 Jev,并附带其背后的原始研究:8 份视频转录、50 页官方文档、3 页网站页面、7 份葡萄牙语综合文档。

它怎么用 Jev

README 未描述本项目代码中对 Jev 的运行时集成。它说明该 skill 教代理使用 Jev,其决策是基于 state 的类型化问题(choice/score/noul),在 70–500ms 内返回校准概率。skill 输出在代码中如何被使用未作说明。

用到的原语:choicescorenoul

值得抄的做法

多阶段提取流程:并行子代理从完整转录中分类真实用例,然后逐字捕获官方文档。

怎么试

运行适用于你操作系统的 curl 或 iwr 安装程序;添加 --global/-Global 进行全局安装。

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-1.13.0
项目信号
jev-1.13.0
项目分类
jev-1.13.0
模式标签
jev-1.13.0

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0.79
  • 展示了 System One 用法片段中未检出0.13
  • 写了怎么处理不确定片段中未检出0.06
  • 给出了实测数字片段中未检出0.05
  • 是能跑起来的工具在材料中检出0.87
  • 学习案例 Top 10 候选信号未判定0.47
  • 是模型本身的复刻片段中未检出0.05
  • 解决的问题够普遍(0–2)按 0–2 打分1.00 / 2
  • 与 Jev 相关在材料中检出0.98
信号
Jev 是项目的核心0.79展示了 System One 用法0.13写了怎么处理不确定0.06给出了实测数字0.05是能跑起来的工具0.87学习案例 Top 10 候选信号0.47是模型本身的复刻0.0500.51解决的问题够普遍(0–2)1.00 / 2012

无判定区(0.40–0.60)

设计模式
问卷0.2400.51

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9月29日 读 README 写成。