这是什么
一个 Apache 许可的 Python 工具包，将本地文本和视觉语言模型转为 Jev 风格的结构化决策模型，通过 Python API 或 HTTP 服务返回 Choice、Score 和 Noul 答案，面向开发者。
它怎么用 Jev
它在 prefill 阶段读取因果模型的 logits，针对给定 state 和 instructions 计算 Choice、Score 和 Noul 问题的概率，无需逐 token 解码即可组装结果。结果通过 Python API 或 System One 形状的 HTTP 端点以结构化 JSON 返回。
用到的原语:choicescorenoul
值得抄的做法
仅 prefill 评分：在 prefill 阶段从 logits 计算概率并直接组装结果，避免逐 token 解码。
怎么试
git clone，uv sync --extra sglang，然后 python examples/sglang_inference.py --model-path /path/to/model
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 是主角是0.91
- 有 System One 用法未判定0.42
- 处理了不确定性否0.05
- 有实测数据否0.15
- 可直接跑是0.92
- 值得推荐否0.23
- 是模型的复刻是0.92
- 问题普遍性按 0–2 打分0.93
- 与 Jev 相关是0.93
信号由 Jev jev-1.13.0 判定，简介由 DeepSeek V4.1 Flash 于 2026年9月23日 读 README 写成。