README 自动摘要
根据 README 自动整理于 2026年10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
一个本地 Python CLI，依据研究兴趣文本，用 OpenAI Decisions、TypeSafe JEV 或两者筛选研究摘要，支持可恢复评分、成本核算、CSV/JSONL 导出、对比指标和离线 HTML 浏览器。
它怎么用 Jev
JEV 是两个可选评分提供方之一（--provider jev 或 both）。它对摘要按研究兴趣评分；both 模式下其分数独立保留，并与 OpenAI 比较一致、分歧和 discordant 视图。
用到的原语:score
值得抄的做法
并行运行两个独立评分提供方并分别保留分数，从而比较一致性而非合并结果。
怎么试
uv sync，在 .env 设置 JEV_API_KEY，然后 uv run abstract-sift score --corpus demo --query-file examples/interest.txt --provider jev
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0.06
- 展示了 System One 用法未判定0.41
- 写了怎么处理不确定片段中未检出0.03
- 给出了实测数字在材料中检出0.99
- 是能跑起来的工具在材料中检出0.90
- 学习案例 Top 10 候选信号片段中未检出0.12
- 是模型本身的复刻片段中未检出0.06
- 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0.99
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10月29日 读 README 写成。