README 自动摘要
根据 README 自动整理于 2026年10月8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 Python 教程，逐步重建 Jev 风格 System One 模型的客户端和工单路由器。它通过 Ollama 在本地 Nimble 上运行，或调用托管的 Jev，并比较两种后端。
它怎么用 Jev
Jev 做出类型化决策：choice（从 2–26 个选项中选择一个）、noul（真/假）和 score（按有序评分标准评分）。状态是文本或 JSON，结果是标签或分数加上概率和置信度。教程的工单路由器使用这些来路由支持工单。
用到的原语:choicenoulscore
值得抄的做法
护栏三明治和置信度门控路由设计模式。
怎么试
ollama pull nimble; uv sync; uv run python -m exercises.ticket_router.router
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 用法未判定0.47
- 写了怎么处理不确定片段中未检出0.08
- 给出了实测数字片段中未检出0.07
- 是能跑起来的工具在材料中检出0.77
- 学习案例 Top 10 候选信号在材料中检出0.62
- 是模型本身的复刻片段中未检出0.27
- 解决的问题够普遍（0–2）按 0–2 打分0.96 / 2
- 与 Jev 相关在材料中检出0.98
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8日 读 README 写成。