jevbooks

← 全部项目

backoffice-agents

lucianoon/backoffice-agents

LLM 生成与推理;Jev 决策、路由与验证。

README 自动摘要

根据 README 自动整理于 2026年10月27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

一个后台代理试点:LLM 起草回复并使用 CRM/ERP 工具,而 Jev 在分诊、工具安全门和草稿验证上做出独立决策。输入通过电子邮件,人工操作员通过 Telegram。

它怎么用 Jev

Jev 对电子邮件状态回答类型化问题:分诊(类别 Choice、紧急度 Score、需人工/敏感/注入 Noul)、工具门(是否合适?参数完整?)和草稿验证(是否解决请求?质量?无依据声明?)。概率驱动路由、批准、重新生成或升级。

用到的原语:choicescorenoul

值得抄的做法

使用非生成模型作为独立决策层,用于安全门和验证,记录校准概率以供后续人工标注。

怎么试

使用提供的 Python 设置,通过模拟器运行(无需 Jev 密钥);命令见 README。

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0.96
  • 展示了 System One 用法未判定0.49
  • 写了怎么处理不确定片段中未检出0.34
  • 给出了实测数字片段中未检出0.07
  • 是能跑起来的工具在材料中检出0.69
  • 学习案例 Top 10 候选信号片段中未检出0.23
  • 是模型本身的复刻片段中未检出0.11
  • 解决的问题够普遍(0–2)按 0–2 打分0.99 / 2
  • 与 Jev 相关在材料中检出0.99
信号
Jev 是项目的核心0.96展示了 System One 用法0.49写了怎么处理不确定0.34给出了实测数字0.07是能跑起来的工具0.69学习案例 Top 10 候选信号0.23是模型本身的复刻0.1100.51解决的问题够普遍(0–2)0.99 / 2012

无判定区(0.40–0.60)

设计模式
常开常闭0.99信号灯0.98漏斗0.96黑匣子0.94代笔0.91问卷0.89体检0.78盲审0.68记分卡0.39验货0.39恒温器0.2700.51

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27日 读 README 写成。