README 自动摘要
根据 README 自动整理于 2026年10月11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
一个兼容 OpenAI 和 Anthropic 的 Go 网关，使用小型 System One 决策模型（Jev 或本地 Laya）将每个提示路由到最便宜且足够的 LLM。
它怎么用 Jev
Jev 在一次调用中回答关于提示的四个类型化问题：主题、复杂度、风险、私有数据。然后基于 config.yaml 进行简单算术，选择满足质量下限的最便宜模型。
用到的原语:choicescore
值得抄的做法
使用小型 System One 模型进行类型化决策，然后通过简单算术选择最便宜且足够的 System Two LLM。
怎么试
cp .env.example .env; go run ./cmd/gateway; 使用 model "auto" 调用 curl localhost:8787/v1/chat/completions
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 是项目的核心未判定0.48
- 展示了 System One 用法未判定0.45
- 写了怎么处理不确定片段中未检出0.09
- 给出了实测数字片段中未检出0.14
- 是能跑起来的工具在材料中检出0.93
- 学习案例 Top 10 候选信号片段中未检出0.37
- 是模型本身的复刻片段中未检出0.22
- 解决的问题够普遍（0–2）按 0–2 打分1.78 / 2
- 与 Jev 相关在材料中检出0.96
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11日 读 README 写成。