README 自动摘要
根据 README 自动整理于 2026年9月28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
JevSpan 是一个用于零样本命名实体识别的 Python 库。用户用自然语言定义实体类型，即可获得带字符偏移、校准概率和决策轨迹的实体，无需训练数据或 GPU。
它怎么用 Jev
JevSpan 在标点处切分文本，对每种实体类型的每个候选窗口向 Jev 发起一个 Choice。第二个 Choice 验证每个提名（类型、none、mixed 或 partial），第三个确定边界。Jev 的概率作为实体分数返回。
用到的原语:choice
值得抄的做法
用第二个 Choice 验证每个提名窗口，再用第三个确定边界，而不是信任单次抽取。
怎么试
pip install jevspan；export TYPESAFE_API_KEY=your-key；jevspan "Tim Cook announced that Apple will open a new office in Austin, Texas."
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0.97
- 展示了 System One 用法在材料中检出0.88
- 写了怎么处理不确定片段中未检出0.08
- 给出了实测数字在材料中检出0.96
- 是能跑起来的工具在材料中检出0.67
- 学习案例 Top 10 候选信号在材料中检出0.73
- 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1.52 / 2
- 与 Jev 相关在材料中检出0.99
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9月28日 读 README 写成。