jevbooks

← 全部项目

jev-system-one-skill

salomh46-rgb/jev-system-one-skill

亚100毫秒的Jev类型化决策引擎与Agent技能。

Agent 决策0.58次选分类: 分类与路由漏斗
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

一个面向TypeSafe AI的Jev非自回归决策模型的Python和TypeScript SDK及Agent技能,让开发者和自主Agent快速执行类型化分类、布尔判断和护栏,替代缓慢的对话式LLM调用。

它怎么用 Jev

Jev执行类型化决策,如意图分类、布尔护栏和定量评分。README展示了使用decision.results["intent"].confidence将请求路由到人工或System 2 LLM的代码,以及拒绝可疑载荷的TypeScript护栏示例,但未完整说明状态输入。

用到的原语:choicenoulscore

值得抄的做法

使用校准的置信度阈值在快速System 1决策和较慢的System 2 LLM之间路由。

怎么试

pip install jev-system-one 或 npm install jev-system-one,然后设置TYPESAFE_API_KEY或OPENROUTER_API_KEY。

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0.88
  • 展示了 System One 用法片段中未检出0.21
  • 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0.18
  • 是能跑起来的工具在材料中检出0.87
  • 学习案例 Top 10 候选信号片段中未检出0.39
  • 是模型本身的复刻片段中未检出0.11
  • 解决的问题够普遍(0–2)按 0–2 打分1.63 / 2
  • 与 Jev 相关在材料中检出0.97
信号
Jev 是项目的核心0.88展示了 System One 用法0.21写了怎么处理不确定0.06给出了实测数字0.18是能跑起来的工具0.87学习案例 Top 10 候选信号0.39是模型本身的复刻0.1100.51解决的问题够普遍(0–2)1.63 / 2012

无判定区(0.40–0.60)

设计模式
漏斗0.95代笔0.4600.51

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。