jevbooks

← 全部项目

desicio-ai

saagnik23/desicio-ai · 项目主页

亚250毫秒确定性类型化决策引擎,采用Jev System 1。

分类与路由0.40次选分类: 其他问卷
README 自动摘要

根据 README 自动整理于 2026年10月7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

Desicio.ai 是面向生产管道(如欺诈检测和合规门控)的高吞吐量决策引擎。它用快速、确定性的类型化决策替代文本LLM。

它怎么用 Jev

Jev 根据类型化问题评估状态字符串:choice 从标签中选择,score 在有序评分标准上评分,noul 输出校准概率用于门控。结果以类型化答案返回,包含置信度和延迟,然后记录到 Neon Postgres。

用到的原语:choicescorenoul

值得抄的做法

单次评估状态与类型化原语,避免令牌生成和JSON解析。

怎么试

使用 uvicorn main:app 运行后端,使用 npm run dev 运行前端。

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0.84
  • 展示了 System One 用法片段中未检出0.35
  • 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0.37
  • 是能跑起来的工具在材料中检出0.77
  • 学习案例 Top 10 候选信号片段中未检出0.17
  • 是模型本身的复刻片段中未检出0.17
  • 解决的问题够普遍(0–2)按 0–2 打分1.58 / 2
  • 与 Jev 相关在材料中检出0.90
信号
Jev 是项目的核心0.84展示了 System One 用法0.35写了怎么处理不确定0.06给出了实测数字0.37是能跑起来的工具0.77学习案例 Top 10 候选信号0.17是模型本身的复刻0.1700.51解决的问题够普遍(0–2)1.58 / 2012

无判定区(0.40–0.60)

设计模式
问卷0.96体检0.5000.51

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7日 读 README 写成。