README 自动摘要
根据 README 自动整理于 2026年10月8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
gutsy 是一个 Apache-2.0 本地决策模型，面向需要校准概率但不想用 GPU 或托管 API 的开发者。它对文本或 JSON 状态回答是/否、选择和评分问题，为每个选项返回概率。
它怎么用 Jev
gutsy 遵循 Jev 风格的 Decisions API。向 /v1/systemone 发送状态和类型化问题（choice、score、是/否）；模型返回每个选项的概率，choice 和 score 还返回 confidence、margin 和 reject。现有 Jev 客户端大多只需更换 base URL。
用到的原语:choicescorenoul
值得抄的做法
用交叉熵加软标签上的 Brier 损失微调小模型，并拒绝任何可由表面特征预测的模板。
怎么试
pip install -e gutsy/gutsy-inference，下载 GGUF，运行 gutsy-inference serve，然后 POST 到 /v1/systemone。
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 用法片段中未检出0.24
- 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0.18
- 是能跑起来的工具在材料中检出0.92
- 学习案例 Top 10 候选信号片段中未检出0.33
- 是模型本身的复刻在材料中检出0.92
- 解决的问题够普遍（0–2）按 0–2 打分1.30 / 2
- 与 Jev 相关在材料中检出0.90
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8日 读 README 写成。