jevbooks

← 全部项目

jev-reranker

hotchpotch/jev-reranker

基于 Jev 的 RAG 相关性过滤与重排序。

打分与排序1.00次选分类: 分类与路由漏斗
README 自动摘要

根据 README 自动整理于 2026年9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 Python 库,使用 TypeSafe.AI 的 Jev 对搜索结果重排序并过滤检索到的文档。帮助 RAG 应用在将上下文传给 LLM 前筛选有用证据。

它怎么用 Jev

Jev 为每个文档对查询的证据有用性打分。relevance_rerank() 按可配置阈值(默认 0.2)过滤并排序;rerank() 仅排序不过滤(阈值 0.0)。结果包含 document_index、score 和 text。

用到的原语:noul

值得抄的做法

使用相关性提示将弱候选推向零分,使阈值过滤更有效。

怎么试

uv add jev-reranker;设置 TYPESAFE_API_KEY;调用 reranker.relevance_rerank(query, documents)。

去 GitHub 看

开始使用 Jev:API key 与第一个请求 →

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0.94
  • 展示了 System One 用法未判定0.51
  • 写了怎么处理不确定片段中未检出0.34
  • 给出了实测数字片段中未检出0.06
  • 是能跑起来的工具在材料中检出0.96
  • 学习案例 Top 10 候选信号未判定0.58
  • 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1.43 / 2
  • 与 Jev 相关在材料中检出0.98
信号
Jev 是项目的核心0.94展示了 System One 用法0.51写了怎么处理不确定0.34给出了实测数字0.06是能跑起来的工具0.96学习案例 Top 10 候选信号0.58是模型本身的复刻0.0400.51解决的问题够普遍(0–2)1.43 / 2012

无判定区(0.40–0.60)

设计模式
漏斗0.74题库0.30问卷0.29信号灯0.24取景框0.2200.51

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21日 读 README 写成。