这是什么
jevals 是一个用于评估和防护 AI 智能体轨迹的 Python 库。它用 Jev 风格的决策模型替代 LLM 评判器，将一条轨迹的所有评估合并为一个请求，成本仅几分钱，耗时几百毫秒。
它怎么用 Jev
Jev 针对智能体状态回答类型化问题（Choice、Score、Noul），例如工具是否正确使用或声明是否有依据。返回的校准概率被归约为分数、标签或通过/失败结果，用于代码中的离线指标、生产监控和循环内护栏。
用到的原语:choicescorenoul
值得抄的做法
将一条轨迹的所有评估打包为单个类型化问题请求，在一次前向传播中并行评估。
怎么试
pip install jevals；设置 AI_GATEWAY_API_KEY；调用 evaluate(sample, evals)。
证据
每一行都是就 README 问 Jev 的一道题。≥ 0.60 算「是」，≤ 0.40 算「否」，中间这一段 Jev 不下判断。
- Jev 是主角是0.66
- 有 System One 用法是0.90
- 处理了不确定性否0.25
- 有实测数据否0.28
- 可直接跑是0.88
- 值得推荐未判定0.41
- 是模型的复刻否0.08
- 问题普遍性按 0–2 打分1.56
- 与 Jev 相关是0.97
信号由 Jev jev-1.13.0 判定，简介由 DeepSeek V4.1 Flash 于 2026年9月23日 读 README 写成。