README 自动摘要
根据 README 自动整理于 2026年10月19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
一个 Python 工具包加十三个 SKILL.md 智能体技能，适用于 Hermes、Claude Code 和 Codex。Jev 负责小决策——模型路由、搜索过滤、记忆筛查、技能选择、分诊、邮箱分类、计算机与浏览器操作——前沿模型负责写作。
它怎么用 Jev
Jev 接收状态和类型化问题，返回校准后的置信度，从不生成文本。每个技能提出各自的决策：哪款模型适合本轮、哪些段落或搜索结果重要、加载哪个技能、执行哪个有界的 GUI 或页面操作。结果在代码中驱动路由、过滤、选择和动作选择。
用到的原语:choicescorenoul
值得抄的做法
把廉价决策交给校准的决策模型，昂贵模型只负责写作，并先以 shadow 模式记录再切换。
怎么试
git clone https://github.com/kerpopule/hermes-jev-skills ~/hermes-jev-skills && python3 ~/hermes-jev-skills/install.py，然后运行 jev setup-key 和 jev doctor
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 是项目的核心在材料中检出0.91
- 展示了 System One 用法在材料中检出0.89
- 写了怎么处理不确定片段中未检出0.08
- 给出了实测数字片段中未检出0.16
- 是能跑起来的工具在材料中检出0.96
- 学习案例 Top 10 候选信号未判定0.58
- 是模型本身的复刻片段中未检出0.04
- 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0.98
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19日 读 README 写成。