README 自动摘要
根据 README 自动整理于 2026年10月19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
Jev-Mem 为持久化 AI 智能体提供结构化记忆：保留带来源的观察记录，在语义、时间、因果和实体图中建立关联，并检索证据交给 System-Two 语言模型作答。
它怎么用 Jev
Jev 充当 System-One 控制器：判断记忆间的推断关系、在多个图视图间路由查询、分配遍历预算、为候选记忆打分，并评估证据是否充分。输出以 Noul（二元命题）和 Choice（类别决策）类型化；普通代码负责校验输出并执行图与检索限制。
用到的原语:choicenoul
值得抄的做法
把频繁的记忆管理决策交给快速的类型化控制器，只把最终答案综合留给更大的语言模型。
怎么试
python -m jev_mem.demo（离线、无需 API key）；实跑需在 .env 中配置 TYPESAFE_API_KEY 和 OPENAI_API_KEY。
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0.31
- 展示了 System One 用法片段中未检出0.33
- 写了怎么处理不确定片段中未检出0.07
- 给出了实测数字片段中未检出0.09
- 是能跑起来的工具片段中未检出0.31
- 学习案例 Top 10 候选信号片段中未检出0.22
- 是模型本身的复刻在材料中检出0.67
- 解决的问题够普遍（0–2）按 0–2 打分1.59 / 2
- 与 Jev 相关在材料中检出0.89
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19日 读 README 写成。