README 自动摘要
根据 README 自动整理于 2026年10月25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 Python Text-to-SQL 引擎与 CLI，借助 Apache Ossie 语义模型将自然语言问题转换为确定性 SQL，面向需要可靠、快速查询合成的开发者与 AI 代理。
它怎么用 Jev
Jev 在语义模型与解析后的问题状态上做类型化决策，解析意图（表、维度、指标、过滤）并检测歧义；结果驱动 sqlglot AST 构建，需要澄清时触发 HITL 提示。
用到的原语:choicescore
值得抄的做法
将 System 1 分类器与类型化 SQL AST 构建器配对，使意图决策确定性地映射为 SQL。
怎么试
pip install -e . 后运行 deterministic-text-to-sql query "..." --schema examples/tpch/tpch_semantic_model.yaml
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0.82
- 展示了 System One 用法片段中未检出0.22
- 写了怎么处理不确定片段中未检出0.04
- 给出了实测数字片段中未检出0.30
- 是能跑起来的工具在材料中检出0.97
- 学习案例 Top 10 候选信号片段中未检出0.13
- 是模型本身的复刻片段中未检出0.10
- 解决的问题够普遍（0–2）按 0–2 打分1.25 / 2
- 与 Jev 相关在材料中检出0.95
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10月25日 读 README 写成。