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
jevextract 是一个 Python 库，使用 YAML 模式从文本中进行接地信息抽取。它返回带有精确字符偏移、置信度和封闭集属性的提及，从构造上避免幻觉。
它怎么用 Jev
Jev 为每个候选片段回答一个 Choice（属于哪个类别或无），并为每个句子级类别回答一个 Noul。决策经过阈值处理、重叠解决，并将接近阈值的决策标记以供审查。属性通过额外调用提取。
用到的原语:choicenoul
值得抄的做法
代码提议具有精确偏移的候选片段；Jev 仅选择类别，确保每个抽取都是子字符串。
怎么试
pip install git+https://github.com/gabazureus/jevextract，设置 TYPESAFE_API_KEY，运行 jevextract doctor。
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0.95
- 展示了 System One 用法在材料中检出0.84
- 写了怎么处理不确定在材料中检出0.80
- 给出了实测数字在材料中检出0.96
- 是能跑起来的工具在材料中检出0.85
- 学习案例 Top 10 候选信号未判定0.59
- 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1.53 / 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。