README 自动摘要
根据 README 自动整理于 2026年10月28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
UCLA Agentic RAG 作业的 notebook，从 OpenAI 文档、SEC 10-K 文件或实时网络搜索中回答问题，拆分多部分问题，并对比 GPT 路由器与 TypeSafe 的 Jev。
它怎么用 Jev
route_query_jev() 向 Jev 提出一个单选题，附带每个路由（OPENAI_QUERY、10K_DOCUMENT_QUERY、INTERNET_QUERY）的描述，为每个子查询选择来源。它返回与 route_query() 相同的格式，因此切换只需 router=route_query_jev。
用到的原语:choice
值得抄的做法
使用带路由描述的类型化单选题，获得快速、廉价且与 GPT 准确率相当的路由器。
怎么试
克隆课程仓库，安装依赖，在 .env 中添加 API 密钥，然后从上到下运行 001_Agentic_Router.ipynb。
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 是项目的核心片段中未检出0.07
- 展示了 System One 用法在材料中检出0.83
- 写了怎么处理不确定片段中未检出0.03
- 给出了实测数字片段中未检出0.04
- 是能跑起来的工具片段中未检出0.07
- 学习案例 Top 10 候选信号片段中未检出0.19
- 是模型本身的复刻片段中未检出0.14
- 解决的问题够普遍（0–2）按 0–2 打分1.34 / 2
- 与 Jev 相关在材料中检出0.99
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28日 读 README 写成。