README 自动摘要
根据 README 自动整理于 2026年11月3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
Tim Wolf 制作的自包含 agent 技能包，可通过 npx skills 或 wlf-skills 插件安装。首个技能 wlf-jev 帮助开发者把分类/检查/打分/路由任务转成 TypeSafe Jev 问题并完成校准。
它怎么用 Jev
Jev 基于问题的 state 与 instructions/criteria 做类型化判断（noul、choice、score、box）；该技能负责设计措辞与 state，用人工标签测量一致度以选定阈值，并把结果接入为 agent 工具、应用内分类器、guard 检查或批量运行。最终决策由代码做出。
用到的原语:noulchoicescore
值得抄的做法
未经人工标签一致度测量的阈值不得上线。
怎么试
npx skills add theamazingwolf/skills --skill wlf-jev，或安装 wlf-skills 插件。
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 是项目的核心片段中未检出0.10
- 展示了 System One 用法片段中未检出0.14
- 写了怎么处理不确定片段中未检出0.03
- 给出了实测数字片段中未检出0.02
- 是能跑起来的工具在材料中检出0.98
- 学习案例 Top 10 候选信号片段中未检出0.14
- 是模型本身的复刻片段中未检出0.12
- 解决的问题够普遍（0–2）按 0–2 打分0.90 / 2
- 与 Jev 相关在材料中检出0.99
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3日 读 README 写成。