jevbooks

← 全部项目

jev-context-filter-harness

zacharytgray/jev-context-filter-harness

使用 Jev 筛选 LLM 智能体工具输出,检测相关性和提示注入。

校验与安全门0.99次选分类: 评测与基准
README 自动摘要

根据 README 自动整理于 2026年10月13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

一个用于 LLM 智能体的测试框架,在智能体读取工具输出之前对其进行筛选。两个过滤器(相关性和注入)位于智能体工具和智能体之间。使用三个智能体模型在三个搜索密集型测试平台和 AgentDojo 上进行了测试。

它怎么用 Jev

两个过滤器都向 Jev(一个托管分类器模型)询问关于工具输出每个块的类型化问题。相关性过滤器保留回答智能体自身关于调用问题的块。注入过滤器扣留试图给智能体分配用户未要求任务的文本行。

用到的原语:choicescorenoul

值得抄的做法

使用托管的 System One 分类器在智能体读取之前筛选工具输出的相关性和提示注入。

去 GitHub 看

开始使用 Jev:API key 与第一个请求 →

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0.89
  • 展示了 System One 用法在材料中检出0.77
  • 写了怎么处理不确定片段中未检出0.07
  • 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0.16
  • 学习案例 Top 10 候选信号未判定0.51
  • 是模型本身的复刻片段中未检出0.04
  • 解决的问题够普遍(0–2)按 0–2 打分1.94 / 2
  • 与 Jev 相关在材料中检出0.97
信号
Jev 是项目的核心0.89展示了 System One 用法0.77写了怎么处理不确定0.07给出了实测数字0.08是能跑起来的工具0.16学习案例 Top 10 候选信号0.51是模型本身的复刻0.0400.51解决的问题够普遍(0–2)1.94 / 2012

无判定区(0.40–0.60)

设计模式
漏斗0.39取景框0.33灰区0.2800.51

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13日 读 README 写成。