README 自动摘要
根据 README 自动整理于 2026年10月10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
SignalChain 是一个用于数据清洗和分类变量分析的 Python 框架。它利用 AI 识别字段类型和分类变量，然后在本地执行清洗和统计检验。适用于处理脏 CSV 的数据分析师和工程师。
它怎么用 Jev
Jev（系统一）是可选的快速引擎，用于字段类型识别。它接收 DataProfile（字段名、类型、样本值），返回带概率的信号序列（如 'IIGADDNT'）。低置信字段默认落为 'X'（pass_through）。可单独使用或串联系统二升级。
用到的原语:choice
值得抄的做法
用快速概率模型处理常规决策，仅在低置信时升级到生成式 LLM。
怎么试
uv run python run_clean.py medical --system1
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 是项目的核心片段中未检出0.10
- 展示了 System One 用法未判定0.59
- 写了怎么处理不确定片段中未检出0.04
- 给出了实测数字片段中未检出0.06
- 是能跑起来的工具在材料中检出0.80
- 学习案例 Top 10 候选信号片段中未检出0.14
- 是模型本身的复刻片段中未检出0.17
- 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0.90
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10月10日 读 README 写成。