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
一个 LinkedIn 帖子的配套仓库，使用 1,000 条 CLINC150 用户请求，测试 Jev（TypeSafe AI 的决策模型）与 Claude Haiku 4.5、Gemini 3.7 Flash 和 GPT-6 Luna 在三个文本任务上的表现：Google 内容类别、商业意图和关键词选择。
它怎么用 Jev
Jev 接收与 LLM 相同的提示，但作为类型化问题。对于类别和意图，它使用 Choice；对于关键词选择，它在单个请求中对每个候选短语回答一个 Noul（是/否）。返回的选择和校准置信度直接在代码中使用。
用到的原语:choicenoul
值得抄的做法
利用 Jev 的校准置信度，仅将不确定的案例路由给 LLM，从而节省成本和时间。
怎么试
uv sync；cp .env.example .env；设置 TYPESAFE_API_KEY；N_MESSAGES=20 uv run jupyter nbconvert --to notebook --execute notebooks/02-google-l1-categories.ipynb
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 是项目的核心未判定0.48
- 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0.04
- 给出了实测数字片段中未检出0.08
- 是能跑起来的工具片段中未检出0.05
- 学习案例 Top 10 候选信号片段中未检出0.25
- 是模型本身的复刻片段中未检出0.03
- 解决的问题够普遍（0–2）按 0–2 打分1.19 / 2
- 与 Jev 相关在材料中检出0.98
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。