README 自动摘要
根据 README 自动整理于 2026年10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
DGUI-HyperMem 是一个面向 AI 代理的自托管长期记忆 MCP 服务器，完全运行在 Cloudflare Workers 上。它存储持久记忆，通过向量与全文混合检索召回，并自动取代近似重复的记忆以自我维护。
它怎么用 Jev
JEV 为每条记忆分配类型、显著度评分和持久性判断，丢弃非持久性闲聊。它对融合后的检索候选重新排序，使最佳记忆在措辞不同时也能胜出，并运行矛盾检查以取代记忆。决策被记录到 HuggingFace 数据集。
用到的原语:choicenoulscore
值得抄的做法
将每个 JEV 决策记录为指令行，为推理层构建训练语料。
怎么试
npm install，创建 D1 和 Vectorize 资源，应用迁移，设置密钥，然后 npx wrangler deploy。
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0.73
- 展示了 System One 用法片段中未检出0.25
- 写了怎么处理不确定片段中未检出0.05
- 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0.95
- 学习案例 Top 10 候选信号片段中未检出0.34
- 是模型本身的复刻未判定0.53
- 解决的问题够普遍（0–2）按 0–2 打分1.20 / 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10月4日 读 README 写成。