这是什么
一个可复现的演示，使用 TypeSafe 的 Jev 对模拟的仓库机器人事件进行分类，并与自托管的 ModernBERT 模型进行成本和延迟对比。面向评估决策层成本的机器人和边缘 AI 从业者。
它怎么用 Jev
Jev 对每个事件同时做出三个判断：是否升级给人类（是/否）、负责团队（选择）、紧急程度（评分 0–2）。状态是双语言事件模板。结果用于计算与模板标签的一致性和车队规模成本模型。
用到的原语:choicescore
值得抄的做法
通过一次 Jev 调用获得多个类型化判断，降低每次决策的成本。
怎么试
设置 OPENROUTER_API_KEY 后运行 demo-a.py；详情见 REPRODUCE.md。
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0.90
- 有 System One 用法未判定0.41
- 处理了不确定性否0.07
- 有实测数据是0.70
- 可直接跑否0.08
- 值得推荐未判定0.44
- 是模型的复刻否0.05
- 问题普遍性按 0–2 打分0.48
- 与 Jev 相关是0.99
信号由 Jev jev-1.13.0 判定，简介由 DeepSeek V4.1 Flash 于 2026年9月21日 读 README 写成。