jevbooks

← 全部项目

typesafe-ai-implementation-skill

ngallodev-software/typesafe-ai-implementation-skill

在应用中有界语义决策接缝处使用 Jev/System One 的工程实践指南。

Agent 决策0.48次选分类: 分类与路由漏斗
README 自动摘要

根据 README 自动整理于 2026年10月7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

一份独立工程指南及 Codex/ChatGPT 插件,用于在应用中有界语义决策接缝处集成 TypeSafe AI 的 Jev 模型,同时将验证、权限、持久化与策略保留在确定性应用代码中。

它怎么用 Jev

该指南帮助识别 Jev 类型化判断的适用位置,设计基于有界、脱敏状态投影的 Choice/Noul/Score 问题,将返回证据规范化为回执,处理不确定性与回退,并在影子模式下评估后再让结果影响行为。它本身不调用 TypeSafe API。

用到的原语:choicenoulscore

值得抄的做法

将语义模型限制在有界判断接缝处;验证、权限、持久化、副作用、工作流状态与最终策略保留在确定性代码中。

怎么试

在 ChatGPT/Codex 桌面应用中打开本仓库,安装 Semantic Decision Integration 插件,然后开始新的聊天或 Codex 任务。

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0.77
  • 展示了 System One 用法片段中未检出0.38
  • 写了怎么处理不确定片段中未检出0.07
  • 给出了实测数字片段中未检出0.05
  • 是能跑起来的工具片段中未检出0.28
  • 学习案例 Top 10 候选信号片段中未检出0.34
  • 是模型本身的复刻片段中未检出0.11
  • 解决的问题够普遍(0–2)按 0–2 打分1.05 / 2
  • 与 Jev 相关在材料中检出0.96
信号
Jev 是项目的核心0.77展示了 System One 用法0.38写了怎么处理不确定0.07给出了实测数字0.05是能跑起来的工具0.28学习案例 Top 10 候选信号0.34是模型本身的复刻0.1100.51解决的问题够普遍(0–2)1.05 / 2012

无判定区(0.40–0.60)

设计模式
漏斗0.83常开常闭0.52取景框0.32黑匣子0.30验货0.2600.51

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10月7日 读 README 写成。