博客 — 使用指南与工程笔记

来自团队的产品动态、工程笔记与实战指南:如何围绕 Jev、带类型的问题与结构化答案构建你的应用。

基于 Jev 的开源项目

六个独立 GitHub 项目的上手指南:它们做什么、怎么安装,以及如何用 JevStation API Key 调用 Jev。我们与这些项目均无关联。

这些仓库归其作者所有,与 JevStation 无关;文章为英文。

最新文章

Cloudflare Clef Tested: Context Cap, Tokens, Cost

We called Clef and Clef-flash on Workers AI ~70 times: at launch they read only ~2,048 state tokens; a 10-07 retest found the cap gone. Costs per call.

2026年10月4日JevStationJevStation

Jev 用例:System One 模型能做的 12 种判断

Jev 能做什么?它能在智能体或流水线里做的 12 种判断,从工单分流到工具调用守卫,每种都附问题集和可免费试用的工具页。

2026年9月28日JevStationJevStation

Jev 基准测试汇总:迄今所有独立测试,以及它们说明了什么

Jev 准不准?迄今能找到的所有独立 Jev 测试,从 AI 控制试验到 GLiNER 对比和路由测试,附样本量、局限,并把厂商数字单独列出。

2026年9月28日JevStationJevStation
用 Jev 当评判模型:一个是非题能抓住什么、会漏掉什么

用 Jev 当评判模型:一个是非题能抓住什么、会漏掉什么

一个不写文字的模型能当 LLM 评判吗?目前最好的公开测试显示,只问 Jev 一个是非题,识别后门代码的 AUROC 就达到 0.976,每千次检查约 $0.04。本文讲它在哪里成立、在哪里失效。

2026年9月27日JevStationJevStation
Jev 的替代方案:什么时候该用 LLM、GLiNER 或自己训练的分类器

Jev 的替代方案:什么时候该用 LLM、GLiNER 或自己训练的分类器

Jev 把文本变成带概率的类型化判断。结构化输出的 LLM、GLiNER 这类零样本分类器、你自己训练的模型也能做到。本文讲清各自擅长什么,并给出有实测的数字。

2026年9月27日JevStationJevStation
fast-jev-compaction: Claude Code Context Compaction

fast-jev-compaction: Claude Code Context Compaction

fast-jev-compaction is a Claude Code plugin that drops stale tool calls with Jev instead of summarising them. How it works, install steps, and what it keeps.

2026年9月20日JevStationJevStation
System One 模型是什么,不是什么

System One 模型是什么,不是什么

System One 模型返回的是带类型的判断与校准过的概率,而不是生成的文本。这意味着什么、RLCD 与 RLHF 有何不同,以及独立证据目前还薄弱在哪里。

2026年9月20日JevStationJevStation
一次 Jev 评估到底花多少钱:实测

一次 Jev 评估到底花多少钱:实测

我们按应用允许的每种 state 规模与问题数量发起了 11 次真实 Jev 调用,拟合出 token 模型并实测成本:每次评估 $0.000012 到 $0.000377。

2026年9月20日JevStationJevStation
用 Jev 构建 Agent Harness

用 Jev 构建 Agent Harness

Agent 循环的速度由最慢的决策决定。Jev 这个 System One 模型该放在 Harness 的哪个位置:模型路由、动作护栏与升级路径。

2026年9月19日JevStationJevStation
设计 Jev 能回答的问题:Choice、Score 与 Noul

设计 Jev 能回答的问题:Choice、Score 与 Noul

Jev 的三类问题 Choice、Score、Noul 决定了你的代码能往哪些分支走。各自返回什么、有什么限制,以及如何写出原子化的问题、打磨评分标准,并用置信度给 Agent 的动作设闸。

2026年9月12日JevStationJevStation