README 自动摘要
根据 README 自动整理于 2026年10月13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 MCP 服务器，让任意聊天模型把快速、校准的决策委托给由 Ollama 本地提供的 Jev 风格“System One”决策模型，适用于批量处理、可设阈值的数值以及辅助小模型。
它怎么用 Jev
工具接收 texts（1–100 个字符串）以及带类型的问题并返回概率：classify 返回 choice、confidence 和 probabilities；yes_no 返回 probability_yes；score 返回最近的 level、原始 score、scale max 和 confidence。结果按输入顺序返回。
用到的原语:choicescorenoul
值得抄的做法
在一次工具调用中批量处理多个文本，并保留校准概率，而不是让模型说“大概”。
怎么试
ollama pull nimble；npm install；npm run build；然后将 stdio 服务器添加到你的 MCP 客户端。
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0.78
- 展示了 System One 用法片段中未检出0.21
- 写了怎么处理不确定片段中未检出0.05
- 给出了实测数字片段中未检出0.06
- 是能跑起来的工具在材料中检出0.97
- 学习案例 Top 10 候选信号片段中未检出0.30
- 是模型本身的复刻未判定0.52
- 解决的问题够普遍（0–2）按 0–2 打分1.04 / 2
- 与 Jev 相关在材料中检出0.97
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13日 读 README 写成。