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 Python 测试框架，通过 mGBA 玩加泰罗尼亚语版 Pokémon FireRed（Flama Roja），利用结构化游戏内存和类型化问题做决策，不生成自由文本。
它怎么用 Jev
每个 tick，build_state 将游戏内存读入 JSON，然后一次 system_one 调用并行询问 7 个问题：screen_mode、overworld_action、dialog_response、battle_plan（Choice），party_critical（Noul），enemy_threat（Score），objective（Choice）。policy.py 用阈值组合校准概率并输出按钮。
用到的原语:choicescorenoul
值得抄的做法
基于结构化状态的原子类型化问题，所有决策逻辑在代码阈值（PolicyConfig）中而非提示词中。
怎么试
uv sync；./scripts/setup-mgba-x64.sh（仅 Apple Silicon）；cp .env.example .env；uv run flamaroja run --rom <rom>
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 是项目的核心在材料中检出0.97
- 展示了 System One 用法在材料中检出0.98
- 写了怎么处理不确定片段中未检出0.06
- 给出了实测数字片段中未检出0.03
- 是能跑起来的工具在材料中检出0.84
- 学习案例 Top 10 候选信号未判定0.59
- 是模型本身的复刻未判定0.46
- 解决的问题够普遍（0–2）按 0–2 打分0.06 / 2
- 与 Jev 相关在材料中检出0.99
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29日 读 README 写成。