README 自动摘要
根据 README 自动整理于 2026年11月1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 Rust 命令行工具、库和 Python 包，向 OpenRouter 决策模型提出关于文本或图像的类型化问题，返回概率而非散文。Jev 是默认模型；模糊规则将答案组合为策略结果。
它怎么用 Jev
Jev 针对同一状态独立回答每个类型化问题（Choice、Score、Noul），返回校准概率。规则文件将每个概率视为条件成立的程度，用 AND、OR、NOT 和修饰词组合为支持分数或清晰输出，并可绘制为 SVG。
用到的原语:choicescorenoul
值得抄的做法
将模型概率视为模糊隶属度，再用模糊逻辑算子组合为策略支持分数。
怎么试
cargo install fuzzy-jev --locked，设置 OPENROUTER_API_KEY，然后用 jev 配合 --noul、--choice 或 --score 参数运行。
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-1.14.0- 项目信号
jev-1.14.0- 项目分类
jev-1.14.0- 模式标签
jev-1.14.0
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 是项目的核心片段中未检出0.25
- 展示了 System One 用法片段中未检出0.32
- 写了怎么处理不确定片段中未检出0.03
- 给出了实测数字片段中未检出0.02
- 是能跑起来的工具在材料中检出0.93
- 学习案例 Top 10 候选信号片段中未检出0.31
- 是模型本身的复刻片段中未检出0.02
- 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0.98
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11月1日 读 README 写成。