这是什么
一个 Python 参考测试框架，围绕 TypeSafe AI 的 System One 模型 Jev 构建生产形态的用例。它向开发者展示如何将状态转化为带置信度门控逻辑的类型化决策，用于自动化。
它怎么用 Jev
每个模块从记录组装状态，在一次调用中提出多个窄范围的 Choice、Score 或 Noul 问题，读取概率，并在代码中应用阈值和精确检查。结果是包含 decision、action_band 和 actions 的 UseCaseResult；由调用方执行动作。
用到的原语:choicescorenoul
值得抄的做法
置信度门控决策逻辑：结合 Jev 概率与代码计算的检查来选择动作带。
怎么试
使用已提交的 fixtures 对实时 TypeSafe API 运行；模块名称见 README。
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0.94
- 有 System One 用法是0.80
- 处理了不确定性否0.29
- 有实测数据否0.23
- 可直接跑否0.21
- 值得推荐未判定0.59
- 是模型的复刻否0.07
- 问题普遍性按 0–2 打分1.16
- 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21日 读 README 写成。