README 自动摘要
根据 README 自动整理于 2026年10月18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
Jev-Mem 是面向长期运行 AI Agent 的记忆系统。轻量 System-One 控制器将观察组织为语义、时间、因果和实体图视图，路由检索并判断证据是否充分；随后由 System-Two 语言模型综合出答案。
它怎么用 Jev
Jev 负责记忆管理决策：记忆类型判定、推断关系判断、跨图视图的查询路由、预算分配、候选打分和证据充分性评估。这些决策以 Noul（二元命题）和 Choice（类别决策）形式暴露；普通代码校验输出并执行图与检索限制，选中的证据再交给答案模型。
用到的原语:choicenoul
值得抄的做法
把频繁的记忆管理决策拆给类型化的 System-One 控制器，语言模型只负责最终答案综合。
怎么试
python -m jev_mem.demo（离线，无需 API key）；实际运行用 python -m jev_mem --mode build/query。
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0.27
- 展示了 System One 用法片段中未检出0.32
- 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0.08
- 是能跑起来的工具片段中未检出0.30
- 学习案例 Top 10 候选信号片段中未检出0.23
- 是模型本身的复刻在材料中检出0.67
- 解决的问题够普遍（0–2）按 0–2 打分1.56 / 2
- 与 Jev 相关在材料中检出0.90
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18日 读 README 写成。