README 自动摘要
根据 README 自动整理于 2026年9月25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 工具，使用 Jev（TypeSafe AI 的 System One 模型）按意图和产品标记数千条搜索查询。它将低置信度的结果标记出来供人工审核，并将标签与点击和预订数据关联。
它怎么用 Jev
Jev 对每个查询回答三个问题：意图（在 7 个桶中选择）、产品（在 9 个桶中选择）和 new_buyer（noul 概率）。每个查询都发送相同的问题卡，只有 state 行变化。结果在代码中用于标记查询，置信度阈值为 0.70。
用到的原语:choicenoul
值得抄的做法
每个查询都发送相同的问题卡，只改变 state 行，因此额外问题的成本几乎为零。
怎么试
运行 `python jev_tag.py examples/queries.sample.csv --dry-run` 查看请求，然后使用 OpenRouter 密钥进行标记。
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0.92
- 展示了 System One 用法在材料中检出0.81
- 写了怎么处理不确定在材料中检出0.94
- 给出了实测数字在材料中检出0.96
- 是能跑起来的工具片段中未检出0.26
- 学习案例 Top 10 候选信号在材料中检出0.61
- 是模型本身的复刻片段中未检出0.04
- 解决的问题够普遍（0–2）按 0–2 打分1.12 / 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9月25日 读 README 写成。