jevbooks

← 全部项目

sqlite-jev

mgaitan/sqlite-jev

为 SQLite 提供基于 TypeSafe Jev 的批量自然语言判断。

分类与路由32%次选分类: 打分与排序

这是什么

一个 SQLite 可加载 C 扩展及 Python 包,将 TypeSafe Jev 引入 SQLite。它把 Noul、Choice 和 Score 判断暴露为 SQL 标量函数与批量虚拟表查询,面向需要对表数据做自然语言分类或评分的开发者和分析师。

它怎么用 Jev

Jev 负责布尔 Noul 判断(yes 的概率)、Choice 分类和 Score 评分。状态是由所选表列构建的 JSON 对象;最多 40 行共享一个 API 状态。结果以虚拟表行返回(answer、probability、choice、score、confidence),可通过 source_rowid 连接,或经由标量函数获得。

用到的原语:noulchoicescore

值得抄的做法

通过 jev_rows 在单个共享 Jev 状态中批量处理最多 40 行,并把阈值留在 SQL 中,使其能随误报代价升高。

怎么试

运行 make,export TYPESAFE_API_KEY=...,然后在 sqlite3 中 .load ./build/jev 并调用 jev_version()。

去 GitHub 看

Jev 判的jev-1.13.0

证据

每一行都是就 README 问 Jev 的一道题。≥ 0.60 算「是」,≤ 0.40 算「否」,中间这一段 Jev 不下判断。

  • Jev 是主角0.95
  • 有 System One 用法0.86
  • 处理了不确定性0.19
  • 有实测数据0.05
  • 可直接跑0.97
  • 值得推荐未判定0.50
  • 是模型的复刻0.12
  • 问题普遍性按 0–2 打分1.13
  • 与 Jev 相关0.98

信号由 Jev jev-1.13.0 判定,简介由 DeepSeek V4.1 Flash 于 2026年9月20日 读 README 写成。