jevbooks

← 全部项目

AI-decision-maker

zlZayn/AI-decision-maker

AI 决策,程序执行:CSV 清洗与分类变量分析。

数据标注与清洗90%次选分类: 分类与路由

这是什么

SignalChain 是一个用于数据清洗和分类变量分析的 Python 框架。它能识别脏 CSV 中的字段类型(性别、年龄、金额等),并对分类变量进行分类,由 AI 负责决策,本地脚本负责执行。

它怎么用 Jev

Jev(系统一)是清洗链路的可选快通道。它回答 Choice 问题,将每个 CSV 列分类到 13 个类型码,并将每个数据集分类到六种场景之一。结果作为 signal_sequence 驱动本地清洗操作。低置信字段默认落为 X(pass_through)。

用到的原语:choice

值得抄的做法

使用类型化的 Choice 模型为每列输出一个字符,避免重复标准导致的 token 浪费。

怎么试

uv sync --extra system1 && uv run python run_clean.py medical --system1

去 GitHub 看

Jev 判的jev-1.13.0

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0.16
  • 有 System One 用法0.76
  • 处理了不确定性0.04
  • 有实测数据0.65
  • 可直接跑0.89
  • 值得推荐0.39
  • 是模型的复刻0.08
  • 问题普遍性按 0–2 打分1.66
  • 与 Jev 相关0.96

信号由 Jev jev-1.13.0 判定,简介由 DeepSeek V4.1 Flash 于 2026年9月21日 读 README 写成。