jevbooks

← 全部项目

jev-skill

PyModel/jev-skill · 项目主页

TypeSafe AI Jev 类型化决策的非官方 agent 技能。

Agent 决策0.87次选分类: 校准与研究问卷
README 自动摘要

根据 README 自动整理于 2026年9月27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

一个非官方社区技能,教编码 agent 为 Jev 设计。Jev 是一个 System One 模型,针对类型化问题返回校准概率。可安装于 Claude Code、Codex、Antigravity CLI、Muse 和 Muse Code。

它怎么用 Jev

Jev 根据给定状态回答类型化的 Choice、Score 和 Noul 问题。该技能展示十一种实现形态及代码草图,让 agent 设计问题并在代码中使用返回值和置信度。

用到的原语:choicescorenoul

值得抄的做法

设计带校准置信度的类型化问题,并从十一种实现形态中选择。

怎么试

通过 claude plugin marketplace add PyModel/jev-skill 安装,其他 agent 见 README。

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0.92
  • 展示了 System One 用法在材料中检出0.80
  • 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0.05
  • 是能跑起来的工具在材料中检出0.90
  • 学习案例 Top 10 候选信号在材料中检出0.67
  • 是模型本身的复刻片段中未检出0.07
  • 解决的问题够普遍(0–2)按 0–2 打分1.00 / 2
  • 与 Jev 相关在材料中检出0.98
信号
Jev 是项目的核心0.92展示了 System One 用法0.80写了怎么处理不确定0.08给出了实测数字0.05是能跑起来的工具0.90学习案例 Top 10 候选信号0.67是模型本身的复刻0.0700.51解决的问题够普遍(0–2)1.00 / 2012

无判定区(0.40–0.60)

设计模式
问卷0.97漏斗0.57代笔0.41体检0.39信号灯0.28菜单0.27盲审0.2600.51

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9月27日 读 README 写成。