这是什么
面向 AI 编程代理（OpenCode、Claude Code、Cursor 等）的确定性优先决策层，用于测试失败分诊、打破死循环、完成否决、推理强度治理与模型路由。可作为 CLI、MCP 服务器、git/CI 钩子以及 Python、TypeScript、Rust 类型化 SDK 调用。
它怎么用 Jev
Jev 对失败日志或计划状态做出类型化决策：test-gate 分类失败并依据置信度阈值设置 skip_llm；abort-check 对死路概率打分以中止轨迹；route 选择模型层级；verify 依据标准核验证据；reasoning-effort 调节推理强度。结果驱动退出码、JSON 输出与 SDK 返回值。
用到的原语:choicescorenoul
值得抄的做法
用校准的置信度阈值拦截琐碎失败，从而确定性地跳过前沿 LLM 调用。
怎么试
npm test | jev-harness test-gate
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0.93
- 有 System One 用法是0.83
- 处理了不确定性否0.10
- 有实测数据未判定0.45
- 可直接跑是0.86
- 值得推荐否0.35
- 是模型的复刻否0.26
- 问题普遍性按 0–2 打分1.52
- 与 Jev 相关是0.97
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。