评测与安全工具
jev-suite：基于 Jev 决策模型构建的四类决策质量校验工具套件
klauswg/jev-suite · Four decision-quality tools on Jev (TypeSafe System One): Jev answers structured questions, deterministic code keeps the final say.
ELI5：它是什么，解决什么问题
jev-suite 是一套建立在 Jev（TypeSafe System One）决策模型之上的 Java 工具套件，包含 jev-proof、jev-fit、jev-fidelity、jev-rental 四个应用，分别用于判断赞助视频是否交付了约定内容、候选人相对岗位要求的差距、编辑是否保留原文信息、以及看房前需与房源代理确认的事项。共享内核 jev-kit 提供 JevClient 类型化客户端、三路判定门 NoulGate 与外部文本防提示注入清洗器。设计上坚持“Jev 判断、代码决定”，阈值与路由由单元测试覆盖的确定性 Java 代码掌握，模型不可达时降级为人工复核，评测拒绝模拟数据，无证据即失败关闭。
核心能力与快速开始
★ 34 · Java
- 能做什么
- 提供四个决策质量校验应用：jev-proof（创作者内容验收，判断赞助视频是否按 brief 交付）、jev-fit（判断候选人与岗位要求的差距）、jev-fidelity（判断编辑是否保留原文信息）、jev-rental（判断看房前需与房源代理确认的事项）。共享内核 jev-kit 包含 JevClient 类型化 HTTP 客户端（ScoreAnswer/ChoiceAnswer/NoulAnswer 三类答案，感知 429/5xx/超时）、离线开发用 keyword-fixture mock、三路判定门 NoulGate（高置信通过/置信不通过/其余转人工复核）、外部字符串清洗器 ExternalStringSanitizer 用于提示注入防御。设计规则包括：Jev 判断而代码决定阈值与路由、不可达时降级为审查而非自动通过、评测拒绝模拟数据（缺 API key 时硬失败 exit 2，--allow-mock 会加标记）、无证据检索则失败关闭。README 列出各应用在 50-110 条样本校准中的表现数据。
- 适用场景
- 适用于需要对结构化证据做高置信度判定并保留人工兜底的场景，如创作者内容验收、招聘筛选辅助、内容编辑保真度核查、房屋租赁看房前信息确认；也适合作为将 LLM 判断与确定性代码相结合的参考实现，以及提示注入防御与评测校准流程的样例。
- 项目形态
- 开发框架
- 部署方式
- 本地构建方式为 Maven（mvn package），需要 JDK 17+；jev-proof 额外需要 yt-dlp。其余部署环境、服务端与 API 成本未说明。
- 主要依赖
- JDK 17+、Maven；jev-proof 额外需要 yt-dlp。评测运行需要 API key（缺失时校准脚本会以 exit 2 硬失败）。
- 使用限制
- README 仅提供校准样本量与判定统计数据，未说明模型调用的成本、限流或可用性；各应用状态均标注为 v0.1.0，样本规模有限（50-178 条不等）。部署条件与生产适用性未说明。
- 许可证
- MIT
- 最近推送
- 2026-10-13 14:58
资料检查：2026-10-15 07:00 · 卡片整理：2026-10-15 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证
职业应用
程序员
作为 Java 工具套件参考或复用其共享内核 jev-kit，包括类型化 JevClient、三路判定门 NoulGate 与外部文本防提示注入清洗器，用于构建带确定性阈值与人工复核降级的 AI 判定流程。
查看内容依据
共享内核 jev-kit 提供 JevClient 类型化客户端、三路判定门 NoulGate 与外部文本防提示注入清洗器。
由 AI 根据来源材料整理，未进行安装或运行验证
HR
使用 jev-fit 判断候选人相对岗位要求的差距，辅助招聘筛选与面试准备；材料称其回答“Where does this candidate actually fall short of the job requirements?”。
查看内容依据
Where does this candidate actually fall short of the job requirements?
由 AI 根据来源材料整理，未进行安装或运行验证
讨论 0
登录后参与讨论，阅读资讯无需注册。
还没有评论，来分享第一个看法。