README 自动摘要
根据 README 自动整理于 2026年10月7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
面向美股的端到端量化研究平台：数据摄取、pandas 技术指标、LLM 辅助基本面分析、类型化 AI 决策、带前向验证的自定义回测引擎，以及在 Alpaca 上定时 AWS 模拟交易。
它怎么用 Jev
Jev（TypeSafe AI）返回类型化、概率化的答案（概率、分数、选择）而非自由文本，按股票和再平衡日期基于技术特征（数据 ≤ t-1）和 OpenAI 基本面摘要使用。每次付费调用都经过确定性磁盘缓存。
用到的原语:choicescorenoul
值得抄的做法
将前视偏差视为一类 bug：决策仅看到上一收盘前的数据，基本面按发布日期过滤，订单在下一开盘成交。
怎么试
uv pip install -r requirements.txt -e . 然后 python -m jevbt backtest --strategy trend --direction long
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0.43
- 展示了 System One 用法未判定0.55
- 写了怎么处理不确定片段中未检出0.06
- 给出了实测数字片段中未检出0.06
- 是能跑起来的工具在材料中检出0.68
- 学习案例 Top 10 候选信号未判定0.43
- 是模型本身的复刻片段中未检出0.11
- 解决的问题够普遍（0–2）按 0–2 打分0.98 / 2
- 与 Jev 相关在材料中检出0.96
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7日 读 README 写成。