README 自动摘要
根据 README 自动整理于 2026年11月4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
一个基于 pytest 的框架，使用在 Ollama 本地运行的 9B 决策模型 Cloudflare clef-flash，按 YAML 用例套件评估模拟的 LLM 输出，将带类型的概率答案转换为各指标的值和 PASS/FAIL 结果。
它怎么用 Jev
ClefClient 将 user_input、llm_output 和 context 作为状态，连同带类型的问题发送到 clef-flash 的 /v1/systemone 端点；每个指标把返回的概率转换为 value ∈ [0,1]，并与阈值比较得出 PASS/FAIL。答案按模型摘要缓存。
用到的原语:choicescorenoul
值得抄的做法
把本地决策模型当作确定性评判器：按模型摘要缓存答案，让缓慢的 CPU 推理只跑一次。
怎么试
make install、make env、make pull，然后 make test-evals 生成 reports/evals.html。
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-1.14.0- 项目信号
jev-1.14.0- 项目分类
jev-1.14.0- 模式标签
jev-1.14.0
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0.73
- 展示了 System One 用法片段中未检出0.31
- 写了怎么处理不确定未判定0.54
- 给出了实测数字片段中未检出0.04
- 是能跑起来的工具未判定0.47
- 学习案例 Top 10 候选信号片段中未检出0.21
- 是模型本身的复刻片段中未检出0.33
- 解决的问题够普遍（0–2）按 0–2 打分1.27 / 2
- 与 Jev 相关在材料中检出0.75
无判定区（0.40–0.60）
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11月4日 读 README 写成。