README 自动摘要
根据 README 自动整理于 2026年9月29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
一个包含六个演示（问询分类、搜索、上架、评论、眼镜、esci）的电商示例应用和13章课程资料，面向希望将 Jev 集成到实际电商工作流的开发者。
它怎么用 Jev
Jev 基于状态做出类型化决策：问询分类将咨询分为12个问题；搜索将自然语言转换为分面并对候选评分；上架将违规分解为 Noul；评论实时判断输入；眼镜为800个商品打18个标签；esci 模拟自动化率。结果为概率，在代码中结合阈值和权重使用。
用到的原语:choicescorenoul
值得抄的做法
将决策分解为原子问题，用代码权重和阈值合成，并保存概率而不折叠为布尔值。
怎么试
git clone, npm install, 在 .env 中设置 TYPESAFE_API_KEY, node scripts/generate-glasses.mjs, npm run dev
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0.95
- 展示了 System One 用法在材料中检出0.98
- 写了怎么处理不确定片段中未检出0.33
- 给出了实测数字在材料中检出0.73
- 是能跑起来的工具在材料中检出0.76
- 学习案例 Top 10 候选信号在材料中检出0.73
- 是模型本身的复刻片段中未检出0.07
- 解决的问题够普遍（0–2）按 0–2 打分0.75 / 2
- 与 Jev 相关在材料中检出0.98
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9月29日 读 README 写成。