README 自动摘要
根据 README 自动整理于 2026年11月1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
Paca 是一个自托管、免费、开源的项目管理平台，面向 Scrum 团队，将 AI 智能体定位为同一看板、冲刺和目标上的一等队友。工作流、数据模型和 UI 均可通过配置和 WASM 插件定制。
它怎么用 Jev
Jev 按项目选择性启用，需用户自带密钥。它按描述将聊天消息自动路由给最合适的智能体，自动填充任务空白字段（优先级、类型、故事点、标签、史诗、自定义字段），自动将任务分配给最匹配的成员，并在自动化中提供条件节点。仅应用有把握的答案；置信度低时任务保持未分配或走 Else 分支。
用到的原语:choicescorenoul
值得抄的做法
用置信度阈值把关 Jev 的答案：只应用有把握的结果，否则保持字段未分配或回退到 Else 分支。
怎么试
自托管 Paca，然后在 Settings → Jev AI 中添加 TypeSafe 或兼容 Jev 的密钥。
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-1.14.0- 项目信号
jev-1.14.0- 项目分类
jev-1.14.0- 模式标签
jev-1.14.0
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0.53
- 展示了 System One 用法在材料中检出0.91
- 写了怎么处理不确定在材料中检出0.98
- 给出了实测数字片段中未检出0.08
- 是能跑起来的工具在材料中检出0.97
- 学习案例 Top 10 候选信号未判定0.46
- 是模型本身的复刻片段中未检出0.18
- 解决的问题够普遍（0–2）按 0–2 打分1.69 / 2
- 与 Jev 相关在材料中检出0.84
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11月1日 读 README 写成。