dsh-jev-tools

The README opens with

医院的预诊台听你说症状，几秒钟判断你大概率该挂哪个科。它不知道你得的是什么病，也不给你治病——分诊完，具体的活儿交给专科。

Jev 就是这样一个预诊台，只是分诊的对象换成了「这段内容该不该进上下文」。它是 TypeSafe 的 System One 判定模型：给它一份 state 和几个带类型的问题，它还你选项与概率——不生成文本，也不给理由。所以它快、便宜，输出可以直接被代码消费。见官方文档。

- 它不是另一种大模型。 按 TypeSafe 的说法，预训练语言模型有三条后训练路线——RLHF 训出聊天机器人，RLVR 训出推理模型（数学这类任务很强，但更慢更贵），RLCD 训出 Jev 这类判定模型。同一个底座，换了个训练目标。见 AI primer。 - 它不能替代主模型。 预诊台不看病；写作、推理与工具调用仍然全部由主模型完成。 - 选项是你定义的。 医院的科室表是固定的，Jev 的答案空间却由每次调用现给——分得对不对，一半取决于你把选项设计得对不对。

能力 触发点 做什么 --------- 精简工具输出 read grep glob webfetch websearch 的结果超过 2000 tokens 逐段判定与当前任务的相关性，保留相关的段落；保留是散布的，而不是砍掉一整块连续中段 注入筛查 webfetch / websearch 抓回的正文 判定其中有没有针对 AI 的指令，越过阈值时附一条提醒 技能推荐 每轮首次组装 prompt，且技能目录 ≥ 15 个 按最新一条用户消息（过短时回退到最近三条），选出至多一个最匹配的 skill jevask 模型主动调用 任意带类型的问题，直接拿回带概率的答案 jevgate 模型主动调用...