jev-lab — 将 Jev 的校准决策与 LLM 对比的网页工作坊。

README 自动摘要

根据 README 自动整理于 2026年10月29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

一个无需构建的 FastAPI + HTML/JS 网页实验室，供工作坊参与者在手机或电脑上、无需账号或写代码，通过任务、对决和校准，将 TypeSafe AI 的“System One”模型 Jev 与常规 LLM 进行对比测试。

Jev 对场景文本（支持工单、可疑消息、待审核评论）回答封闭式问题，给出一个选择、一个等级或一个概率。参与者基于这些概率设置阈值、编写问题，应用则对比 Jev 与 LLM 的错误、延迟、成本、格式错误和校准情况。

用到的原语:choicescore

设置概率阈值（放行、核查、拦截）并检查校准：当 Jev 说 90% 时，它是否十次对九次？

uv sync；cp .env.example .env；uv run --env-file .env python run.py（无密钥时以模拟模式运行）。

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。

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。

信号

无判定区（0.40–0.60）

设计模式

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29日读 README 写成。