jevbooks

← 全部项目

Jev-AI-Skill

King4s/Jev-AI-Skill

一个技能加 MCP 服务器,用 Jev 把关大模型调用。

Agent 决策0.57次选分类: 分类与路由漏斗常开常闭
README 自动摘要

根据 README 自动整理于 2026年10月29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

面向 Claude Code、Codex 和 Hermes 的技能与 MCP 服务器,提供结构化的构建/修复循环、模型与技能路由、Git 步骤建议,并在大模型运行前用 Jev 解决小决策。

它怎么用 Jev

四个 MCP Gate 工具询问 Jev:gate_triage 判断事件是否需要 agent,gate_verdict 判断哪些评审发现已被证据关闭,gate_decide 判断问题是否必须交给负责人,gate_pick 选择工具/技能/会话。find_code.py 也让 Jev 对代码搜索片段排序。结果用于把关或路由大模型调用;失败会如实报告,绝不猜测。

用到的原语:choicescore

值得抄的做法

在紧凑状态上用廉价的类型化决策把关大模型调用,单个决策能定的事就不动用昂贵模型。

怎么试

设置 TYPESAFE_API_KEY,然后运行 install.ps1(Windows)或 install.sh(Linux/macOS/WSL)。

去 GitHub 看

开始使用 Jev:API key 与第一个请求 →

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 是项目的核心在材料中检出0.90
  • 展示了 System One 用法在材料中检出0.86
  • 写了怎么处理不确定片段中未检出0.04
  • 给出了实测数字片段中未检出0.03
  • 是能跑起来的工具在材料中检出0.95
  • 学习案例 Top 10 候选信号未判定0.43
  • 是模型本身的复刻片段中未检出0.09
  • 解决的问题够普遍(0–2)按 0–2 打分1.80 / 2
  • 与 Jev 相关在材料中检出0.98
信号
Jev 是项目的核心0.90展示了 System One 用法0.86写了怎么处理不确定0.04给出了实测数字0.03是能跑起来的工具0.95学习案例 Top 10 候选信号0.43是模型本身的复刻0.0900.51解决的问题够普遍(0–2)1.80 / 2012

无判定区(0.40–0.60)

设计模式
漏斗0.96常开常闭0.83盲审0.44菜单0.39取景框0.36代笔0.3100.51

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29日 读 README 写成。