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
基于 learn-claude-code 骨架的电商售后客服 Agent，处理订单查询、物流、退换货、改地址等售后请求，并在需要时转人工。
它怎么用 Jev
每轮对话，Jev 接收对话状态，一次调用返回带置信度的意图和独立的“是否需要人工”判断。代码按阈值和转人工规则决策；低置信度或需人工时跳过 LLM 直接生成工单。
用到的原语:choicescore
值得抄的做法
在意图置信度之外单独判断“是否需要人工”，因为置信度只衡量意图匹配度，不反映机器人能否处理。
怎么试
安装依赖，在 .env 填入 API key，然后运行 `python3 chat.py --customer C001` 或 `python3 -m web.server`。
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 用法在材料中检出0.91
- 写了怎么处理不确定在材料中检出0.97
- 给出了实测数字片段中未检出0.10
- 是能跑起来的工具在材料中检出0.76
- 学习案例 Top 10 候选信号在材料中检出0.66
- 是模型本身的复刻片段中未检出0.04
- 解决的问题够普遍（0–2）按 0–2 打分1.70 / 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。