这是什么
一个面向开发者的 12 个 Notebook 的 Python 课程,教你将快速决策模型 Jev 与慢速 LLM 结合。通过 13 个真实用例学习代理安全、路由、分类和评估。
它怎么用 Jev
在每个工具调用前,Jev 用 Choice(允许/询问/阻止)回答,并用 Noul 检查不可逆性和数据外泄;询问结果交给人类,错误时故障关闭。Choice 模型路由器选择快速或强大 LLM 并带置信度回退,Noul 门检查代理是否完成。
用到的原语:choicenoul
值得抄的做法
在代理循环中使用 Jev 进行快速、校准的决策,让 LLM 处理语言任务。
怎么试
克隆仓库,运行 ./setup.sh,将 OpenRouter 密钥添加到 .env,然后 uv run jupyter lab 并打开 01_hello_jev.ipynb。
证据
每一行都是就 README 问 Jev 的一道题。≥ 0.60 算「是」,≤ 0.40 算「否」,中间这一段 Jev 不下判断。
- Jev 是主角是0.94
- 有 System One 用法是0.92
- 处理了不确定性是0.91
- 有实测数据未判定0.51
- 可直接跑否0.15
- 值得推荐是0.79
- 是模型的复刻否0.06
- 问题普遍性按 0–2 打分1.47
- 与 Jev 相关是0.99
信号由 Jev jev-1.13.0 判定,简介由 DeepSeek V4.1 Flash 于 2026年9月23日 读 README 写成。