README 自动摘要
根据 README 自动整理于 2026年10月16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
grounded-ai 是一个 Python 库，用于评估 LLM 应用和代理的言行。它允许你使用前沿模型作为评判者、小型本地模型或决策模型，并在它们之间切换而无需重写评估。
它怎么用 Jev
JevEvaluator 向托管的 Jev 或本地的 Strands Decider 提出 Noul、Choice 和 Score 问题。它接收状态和类型化问题，返回校准概率。在 CascadeEvaluator 中，置信的答案被保留；其余发送给 LLM 评判者。
用到的原语:choicescorenoul
值得抄的做法
级联：先使用快速决策模型，保留置信答案，仅将剩余部分发送给 LLM 评判者。
怎么试
pip install "grounded-ai[jev]" 然后运行 examples/cascade.ipynb
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0.20
- 展示了 System One 用法在材料中检出0.90
- 写了怎么处理不确定在材料中检出0.79
- 给出了实测数字片段中未检出0.17
- 是能跑起来的工具在材料中检出0.80
- 学习案例 Top 10 候选信号未判定0.50
- 是模型本身的复刻片段中未检出0.05
- 解决的问题够普遍（0–2）按 0–2 打分1.75 / 2
- 与 Jev 相关在材料中检出0.97
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16日 读 README 写成。