README 自动摘要
根据 README 自动整理于 2026年10月24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
围绕 OpenClaw 智能体的可靠性与记忆平面：接管每条 Slack 消息，路由到对应工作，以持久化 Temporal 工作流执行，由独立评估器判定回复，并维护可深度检索的记忆。在生产环境运行 Slack 个人助理 Aura。
它怎么用 Jev
Jev 针对每条进入的 Slack 消息回答类型化问题，输入是混合证据包（对运行中任务、已完成任务、记忆的全文与向量检索，加上近期对话）。低于 Jev 阈值时由 LLM 分析师决定。结果决定消息去向：挂接到运行中工作、后续跟进、新任务、澄清提问或简短确认。
用到的原语:choicescorenoul
值得抄的做法
把 Jev 用作检索证据包之上的类型化路由器，置信度低于阈值时回退到 LLM 分析师。
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-1.14.0- 项目信号
jev-1.14.0- 项目分类
jev-1.14.0- 模式标签
jev-1.14.0
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 是项目的核心未判定0.50
- 展示了 System One 用法在材料中检出0.73
- 写了怎么处理不确定在材料中检出0.85
- 给出了实测数字片段中未检出0.02
- 是能跑起来的工具在材料中检出0.86
- 学习案例 Top 10 候选信号片段中未检出0.35
- 是模型本身的复刻片段中未检出0.03
- 解决的问题够普遍（0–2）按 0–2 打分1.67 / 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24日 读 README 写成。