README 自动摘要
根据 README 自动整理于 2026年9月20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
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。
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 是项目的核心在材料中检出0.94
- 展示了 System One 用法在材料中检出0.87
- 写了怎么处理不确定片段中未检出0.07
- 给出了实测数字在材料中检出0.95
- 是能跑起来的工具在材料中检出0.90
- 学习案例 Top 10 候选信号在材料中检出0.70
- 是模型本身的复刻片段中未检出0.03
- 解决的问题够普遍（0–2）按 0–2 打分1.63 / 2
- 与 Jev 相关在材料中检出0.98
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9月20日 读 README 写成。