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0.32次选分类: 打分与排序问卷
README 自动摘要

根据 README 自动整理于 2026年9月20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 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

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-1.13.0
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0.95
  • 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0.19
  • 给出了实测数字片段中未检出0.05
  • 是能跑起来的工具在材料中检出0.97
  • 学习案例 Top 10 候选信号未判定0.50
  • 是模型本身的复刻片段中未检出0.12
  • 解决的问题够普遍(0–2)按 0–2 打分1.13 / 2
  • 与 Jev 相关在材料中检出0.98
信号
Jev 是项目的核心0.95展示了 System One 用法0.86写了怎么处理不确定0.19给出了实测数字0.05是能跑起来的工具0.97学习案例 Top 10 候选信号0.50是模型本身的复刻0.1200.51解决的问题够普遍(0–2)1.13 / 2012

无判定区(0.40–0.60)

设计模式
问卷0.71取景框0.28验货0.2000.51

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9月20日 读 README 写成。