README 自动摘要
根据 README 自动整理于 2026年9月30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
Cribrix 是一个自托管的 Python RAG 编排器，面向需要“拒答”而非猜测的团队。它把 LLM 包在 System 1 / System 2 循环中，由 Jev 在检索和生成两侧把关，返回不同的 AnswerStatus 拒答状态，而不是自信的编造。
它怎么用 Jev
Jev 做三类决策。Route：对查询做一次 Choice（SEARCH/CHITCHAT）。Triage：对每个 chunk，一次 Score 判断相关性，加两个 Noul 分别询问该段落是否回答了问题、是否包含提示注入。Verify：对每条 claim 针对证据做一次 Noul，外加代码侧的数字检查。结果决定是否调用 LLM、是否扣下草稿。
用到的原语:choicescorenoul
值得抄的做法
把同一 state 的所有问题批量放进一次 system_one 调用，使验证延迟不随 claim 数量增长；阈值判断前先用 len(rubric)-1 归一化 Score。
怎么试
make eval 离线重放录制的真实调用；make scenarios 展示三个演示场景。
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0.82
- 展示了 System One 用法在材料中检出0.67
- 写了怎么处理不确定片段中未检出0.12
- 给出了实测数字在材料中检出0.97
- 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0.16
- 解决的问题够普遍（0–2）按 0–2 打分1.84 / 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9月30日 读 README 写成。