这是什么
一个 Markdown 知识库，供用户导入文档、分类其主题、审查不确定结果并搜索原始文本，同时保留源文件的精确字节。
它怎么用 Jev
Jev 使用 Choice 问题对源文本进行分类，确定每个文档的主要主题。结果、概率和元数据作为不可变决策存储。低概率或前两个选项差距小会触发审查，人工可记录更正。
用到的原语:choice
值得抄的做法
记录每个分类决策的源哈希、分类法、问题、模型、概率和令牌使用，以实现可审计性。
怎么试
git clone https://github.com/robebots/kb-jev.git && cd kb-jev && npm ci --include=dev --ignore-scripts && npm run demo
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0.79
- 有 System One 用法未判定0.58
- 处理了不确定性否0.10
- 有实测数据否0.04
- 可直接跑是0.82
- 值得推荐否0.33
- 是模型的复刻否0.09
- 问题普遍性按 0–2 打分1.05
- 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。