这是什么
一个 Codex Skill 和独立 Python CLI，为任务推荐先读哪个已安装技能，适合技能多且用途易混淆的 Agent。它不执行或安装技能。
它怎么用 Jev
Jev 用 Choice 排序技能描述，并用单独的 Noul 判断该组技能是否有用，每组最多保留三个候选。复核正文片段后，再用 Choice 与每个候选的适配 Noul 决定推荐。门槛：适配值 ≥ 0.80、Choice confidence ≥ 0.65。
用到的原语:choicenoul
值得抄的做法
两阶段有界推荐：先用 Choice 粗排并用 Noul 判断有用性，再复核片段后做最终 Choice/Noul。
怎么试
python3 -I -B scripts/suggest.py suggest --task '...' --mode jev --prompt-key --out results/report.json
证据
每一行都是就 README 问 Jev 的一道题。≥ 0.60 算「是」，≤ 0.40 算「否」，中间这一段 Jev 不下判断。
- Jev 是主角未判定0.59
- 有 System One 用法否0.30
- 处理了不确定性未判定0.45
- 有实测数据否0.11
- 可直接跑是0.97
- 值得推荐未判定0.58
- 是模型的复刻否0.04
- 问题普遍性按 0–2 打分1.05
- 与 Jev 相关是0.97
信号由 Jev jev-1.13.0 判定，简介由 DeepSeek V4.1 Flash 于 2026年9月20日 读 README 写成。