README 自动摘要
根据 README 自动整理于 2026年10月14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
grill-me-jev 是面向 Google Antigravity 的交互式设计收敛技能。它替代内置的 /grill-me 访谈，保留所有候选选项，加入基于 Jev 概率的推荐，并将决策记录在持久化产物中。
它怎么用 Jev
在每个访谈问题中，会推导出候选选项（A、B、C）。typesafe_evaluate MCP 工具在后台调用 Jev（jev-1.13.0），生成校准概率百分比、置信度分数和权衡评估。这些结果在 ask_question 组件之前以 Jev 决策指南卡片形式输出，所选选项记录在 decision_records.md 中。
用到的原语:choicescore
值得抄的做法
双重归档：在聊天中预打印所有选项及 Jev 评估，并持久化到 decision_records.md。
怎么试
curl -fsSL https://raw.githubusercontent.com/snowd-zk/grill-me-jev/main/install.sh | bash
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0.69
- 展示了 System One 用法在材料中检出0.73
- 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0.14
- 是能跑起来的工具未判定0.43
- 学习案例 Top 10 候选信号片段中未检出0.22
- 是模型本身的复刻片段中未检出0.15
- 解决的问题够普遍（0–2）按 0–2 打分1.00 / 2
- 与 Jev 相关在材料中检出0.97
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14日 读 README 写成。