README 自动摘要
根据 README 自动整理于 2026年10月9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
一个逐步教程，通过构建名为Desk Buddy的客服助手来教授JEV（TypeSafe AI的决策模型）。每一步都比较基于JEV的版本与仅使用LLM的版本在速度、成本和准确性上的差异。
它怎么用 Jev
JEV针对客户消息回答类型化问题（Choice、Score、Noul）。例如，Choice问题选择支持团队；Noul问题检查紧急程度；Score问题评估挫败感。返回的概率和选择在代码中用于路由、防护或判断。
用到的原语:choicescorenoul
值得抄的做法
分工：JEV做快速决策，LLM负责写作，代码处理精确计算。
怎么试
python steps/step01_hello_noul/run.py --replay（无需密钥）
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0.87
- 展示了 System One 用法未判定0.54
- 写了怎么处理不确定片段中未检出0.07
- 给出了实测数字片段中未检出0.14
- 是能跑起来的工具未判定0.53
- 学习案例 Top 10 候选信号在材料中检出0.76
- 是模型本身的复刻片段中未检出0.10
- 解决的问题够普遍（0–2）按 0–2 打分0.82 / 2
- 与 Jev 相关在材料中检出0.99
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9日 读 README 写成。