jevbooks

← 全部项目

el-jev

vijaycinn/el-jev · 项目主页

基于 Azure AI Foundry 的 System-1 决策门与 Copilot CLI 钩子。

校验与安全门0.82次选分类: Agent 决策问卷
README 自动摘要

根据 README 自动整理于 2026年10月19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

el-jev v2 是一个本地守护进程和 GitHub Copilot CLI 扩展,提供快速的类型化 System-1 判定(意图、是否需要深度分析、执行层级),并将其编译为执行约束,供开发者低成本路由 agent 轮次。

它怎么用 Jev

Jev(Microsoft-Decision-1,或通过 --engine 使用 Cohere)单次评估状态文本:intent 为 choice,needs_deep_analysis 为 noul,execution_tier 为 choice。门将概率编译为命令式契约,经 onUserPromptSubmitted 注入;onPreToolUse 在可执行的 fast_direct 轮次拒绝 task/run_dynamic_workflow。

用到的原语:choicenoulscore

值得抄的做法

将数值门概率编译为命令式、RLHF 原生的执行约束,并在 harness 工具边界确定性地强制执行。

怎么试

pip install -e .,az login,python -m eljev configure --engine md1,然后 python -m eljev daemon start 并 install-extension。

去 GitHub 看

开始使用 Jev:API key 与第一个请求 →

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 是项目的核心片段中未检出0.21
  • 展示了 System One 用法在材料中检出0.77
  • 写了怎么处理不确定片段中未检出0.08
  • 给出了实测数字片段中未检出0.05
  • 是能跑起来的工具在材料中检出0.95
  • 学习案例 Top 10 候选信号片段中未检出0.31
  • 是模型本身的复刻片段中未检出0.08
  • 解决的问题够普遍(0–2)按 0–2 打分1.26 / 2
  • 与 Jev 相关在材料中检出0.77
信号
Jev 是项目的核心0.21展示了 System One 用法0.77写了怎么处理不确定0.08给出了实测数字0.05是能跑起来的工具0.95学习案例 Top 10 候选信号0.31是模型本身的复刻0.0800.51解决的问题够普遍(0–2)1.26 / 2012

无判定区(0.40–0.60)

设计模式
问卷0.90漏斗0.59体检0.59盲审0.41验货0.38常开常闭0.37菜单0.27代笔0.27信号灯0.22记分卡0.2100.51

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19日 读 README 写成。