jevbooks

← 全部项目

codex-jev

Hyper-AI-Lab/codex-jev

为 Codex 提供证据选择与配额感知恢复,可选 Jev 重排序。

打分与排序1.00次选分类: 分类与路由取景框漏斗
README 自动摘要

根据 README 自动整理于 2026年9月30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

Codex Jev 为 Codex 添加检索层,适用于大型仓库和嘈杂日志。它在本地查找候选证据,可选使用 Jev 对脱敏摘录进行排序,并返回有界、源地址化的证据及精确后续读取。它不替代你的编码模型。

它怎么用 Jev

Jev 对脱敏摘录进行重排序以选择证据。状态是查询和候选摘录。Jev 返回校准概率,用于选择最多 20 个候选、8 个返回块和 48 KiB 出站数据。小数据包绕过 Jev;缓存命中避免重复付费调用。

用到的原语:choicescore

值得抄的做法

本地候选检索,可选 Jev 重排序,有界证据返回。

怎么试

git clone、npm ci、npm run build,然后使用必需参数运行 python3 runtime/manage.py install。

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 是项目的核心片段中未检出0.06
  • 展示了 System One 用法片段中未检出0.18
  • 写了怎么处理不确定片段中未检出0.22
  • 给出了实测数字片段中未检出0.05
  • 是能跑起来的工具在材料中检出0.82
  • 学习案例 Top 10 候选信号片段中未检出0.27
  • 是模型本身的复刻片段中未检出0.07
  • 解决的问题够普遍(0–2)按 0–2 打分1.33 / 2
  • 与 Jev 相关在材料中检出0.86
信号
Jev 是项目的核心0.06展示了 System One 用法0.18写了怎么处理不确定0.22给出了实测数字0.05是能跑起来的工具0.82学习案例 Top 10 候选信号0.27是模型本身的复刻0.0700.51解决的问题够普遍(0–2)1.33 / 2012

无判定区(0.40–0.60)

设计模式
漏斗0.80取景框0.70菜单0.36代笔0.2500.51

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30日 读 README 写成。