jevbooks

← 全部项目

jev-ultralightspeed

collapseindex/jev-ultralightspeed · 项目主页

用 Jev 批量分类文本,吞吐量提升 32 倍,准确率无损。

分类与路由0.98次选分类: 数据标注与清洗
README 自动摘要

根据 README 自动整理于 2026年9月22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 库,使用 TypeSafe 的 Jev 对大量文本中的每一项回答一个问题。适用于独立判断的队列,如分类、情感分析或标注。

它怎么用 Jev

Jev 对每个项目做出判断,例如消息是否需要今天人工处理。该库将多个项目打包到一个请求中,然后返回类型化答案。结果通过 .yes 或 .item 等属性在代码中使用。

用到的原语:choice

值得抄的做法

每个请求打包最多 32 个项目以利用按请求计数的速率限制,可选 guidance='once' 避免重复问题。

怎么试

pip install "jev-ultralightspeed[fast]" 然后运行 python demo.py

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0.78
  • 展示了 System One 用法未判定0.54
  • 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0.05
  • 是能跑起来的工具在材料中检出0.93
  • 学习案例 Top 10 候选信号片段中未检出0.23
  • 是模型本身的复刻片段中未检出0.09
  • 解决的问题够普遍(0–2)按 0–2 打分1.98 / 2
  • 与 Jev 相关在材料中检出0.96
信号
Jev 是项目的核心0.78展示了 System One 用法0.54写了怎么处理不确定0.04给出了实测数字0.05是能跑起来的工具0.93学习案例 Top 10 候选信号0.23是模型本身的复刻0.0900.51解决的问题够普遍(0–2)1.98 / 2012

无判定区(0.40–0.60)

设计模式
信号灯0.61体检0.59漏斗0.3900.51

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22日 读 README 写成。