README 自动摘要
根据 README 自动整理于 2026年10月21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
一个基准测试，比较两种 AI 决策模型在根据理想客户画像对 B2B 线索评分上的表现，并附带 n8n 模板。面向评估线索评分模型的销售和 RevOps 团队。
它怎么用 Jev
JEV 使用与 OpenAI 相同的输入和问题，对每条线索按四个匹配等级评分。它为每条线索返回一个等级；基准测试将这些等级与基于规则的标签比较，并报告准确率、误差、稳定性、延迟和成本。
用到的原语:choice
值得抄的做法
将同一个类型化问题通过两个决策模型在相同线索上运行，并与固定标签比较。
怎么试
将提供的提示粘贴到代理中，或安装技能并运行 10 条线索的测试。
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 是项目的核心片段中未检出0.27
- 展示了 System One 用法未判定0.43
- 写了怎么处理不确定片段中未检出0.05
- 给出了实测数字片段中未检出0.06
- 是能跑起来的工具未判定0.56
- 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0.07
- 解决的问题够普遍（0–2）按 0–2 打分1.04 / 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21日 读 README 写成。