这是什么
一个 Claude Code / ZCode skill，把高频小判断从主模型上下文中移出、交给 Jev，降低分类、批量初筛、打分与合规核查的 token 成本。面向 AI 编码代理及其使用者。
它怎么用 Jev
该 skill 在分类/路由、批量初筛、打分、核查类任务上自动触发。jev.py 把 state 与类型化问题（choice / noul / score）经 OpenCode Zen 免费档发给 Jev，返回类型化 schema 结果；原始条目留在脚本里，只有结论回到 agent 上下文。
用到的原语:choicescorenoul
值得抄的做法
批量原始条目留在脚本，只把类型化问题发给 Jev；回上下文的只有结论而非源数据。
怎么试
存放 Zen key，把仓库 clone 到 agent 的 skills 目录，再向 jev.py 管道输入 JSON state 与 questions。
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0.94
- 有 System One 用法是0.87
- 处理了不确定性否0.07
- 有实测数据是0.95
- 可直接跑是0.90
- 值得推荐是0.70
- 是模型的复刻否0.03
- 问题普遍性按 0–2 打分1.63
- 与 Jev 相关是0.98
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。