jevbooks

← 全部项目

jev-cli

pyck-ai/jev-cli

将 Jev 的 TypeSafe 判断模型暴露为 15 个 MCP 工具和 Unix CLI。

基础设施 / SDK / 集成0.59次选分类: 评测与基准问卷
README 自动摘要

根据 README 自动整理于 2026年10月19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

jev-cli 将 OpenRouter 的 SystemOne 决策模型(默认 TypeSafe 的 Jev)暴露为 15 个工具,既可作为面向 opencode 或任意 MCP 客户端的 MCP 服务器,也可作为普通 Unix CLI 使用。

它怎么用 Jev

每个工具把任务表述为针对给定状态的类型化 SystemOne 问题:noul(陈述成立的概率)、choice(固定选项上的分布)、score(整数刻度上的分布)。结果经批处理、组合和阈值化形成判定;ask 直接暴露这些原语。

用到的原语:choicescorenoul

值得抄的做法

把每个任务重构为封闭式类型化问题,读取校准后的概率分布而非生成文本。

怎么试

go install github.com/pyck-ai/jev-cli/cmd/jev@main,然后运行 jev score 或 jev mcp。

去 GitHub 看

开始使用 Jev:API key 与第一个请求 →

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0.83
  • 展示了 System One 用法片段中未检出0.24
  • 写了怎么处理不确定片段中未检出0.05
  • 给出了实测数字片段中未检出0.05
  • 是能跑起来的工具在材料中检出0.97
  • 学习案例 Top 10 候选信号片段中未检出0.33
  • 是模型本身的复刻片段中未检出0.04
  • 解决的问题够普遍(0–2)按 0–2 打分1.10 / 2
  • 与 Jev 相关在材料中检出0.98
信号
Jev 是项目的核心0.83展示了 System One 用法0.24写了怎么处理不确定0.05给出了实测数字0.05是能跑起来的工具0.97学习案例 Top 10 候选信号0.33是模型本身的复刻0.0400.51解决的问题够普遍(0–2)1.10 / 2012

无判定区(0.40–0.60)

设计模式
问卷0.71记分卡0.49黑匣子0.4500.51

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19日 读 README 写成。