Mimicry
在改写循环中检查个人文风与原意
实现思路与验证边界 →JEV GUIDE
Jev 与生成式 LLM 怎么选？判断、生成与代码的分工
选模型前先确定需要的输出：一个已有选项、一段新文字，还是能精确计算的结果。不同步骤可以使用不同工具；这篇比较关注任务分工，不给未经同条件实测的速度或价格排名。
Jev 的边界：判断，不承担所有任务
TypeSafe 的 jev-1.13 边界文档说明该版本不以生成文本为目标，并建议把数学与日期比较交给代码。它也列出无关上下文、间接提问等容易出错的情况；这里的版本说明不自动代表未来模型。
按输出需求选择执行者
下面是编辑建议的任务拆分。生成模型也可以完成分类；是否引入另一判断模型，应由实际质量、延迟、维护成本与错误代价决定。
| 任务 | 建议分工 | 需要检查 |
|---|---|---|
| 从已知标签中选择 | 判断模型或已验证分类器 | 候选覆盖与拒绝选项 |
| 写解释、对话或改写 | 生成式模型 | 事实、文风及用户意图 |
| 比较日期、金额或权限 | 代码与规则 | 数据类型、时区及权限来源 |
| 执行动作 | 应用工具 | 授权、当前状态及结果 |
混合架构的例子：生成候选，再评价
Mimicry 让生成模型产生改写，由 Jev 评价风格与原意保留情况，再通过有界循环向用户展示修改。Jev 不负责生成最终文字，也不能保证评价结果正确；用户仍需查看差异并决定是否采用。
模拟成功与模型成功要分开
pkg-gate 的已核对实现会在缺少 API 配置或请求报错时回退到模拟判断。测试时必须记录实际使用的模式，否则一次“检查通过”可能根本没有真实模型参与。
怎样做一次公平的 Jev 与 LLM 比较？
编辑建议固定同一输入、标签、正确答案和错误处理要求，分别测试现有实现与候选混合实现。成本应统计完整流程，包含重试、候选生成与人工复核，不只比较单次 API 调用。
报告时写清模型版本、测试日期、样本构成、真实调用与缓存比例，以及错误样例。没有这些记录，就只把方案作为待验证设计；本站未做 Jev 与其他模型的同条件性能评测。
接着看这些项目
pkg-gate
安装 npm 包前检查生命周期脚本
实现思路与验证边界 →继续阅读
01 / JEV GUIDE
Jev 模型是什么？从判断题到真实项目
了解 TypeSafe Jev 模型的输入、输出与适用任务，通过浏览器操作、MCP 和上下文筛选案例判断是否适合你的项目。
阅读指南 →08 / JEV GUIDE
Jev 浏览器自动化：Playwright 与 Computer Use 如何分工
从 DOM 或无障碍树提取候选，让 Jev 选择动作，再由 Playwright 或 Computer Use 执行；解释回放、置信度与页面变化的边界。
阅读指南 →11 / JEV GUIDE
Jev 论文引用核验：原文证据提取与支持关系判断
区分找到文献、定位原文和判断支持关系，结合引用核验与报告提取案例，处理摘要不足、数字核对及人工结论。
阅读指南 →13 / JEV GUIDE
Jev 游戏 NPC：合法动作选择、决策循环与回退
通过 Jev Lab 和 HEIST//ONE 理解 NPC 决策：局部状态、有限候选、过期响应处理、规则回退，以及真实模型与回放的区别。
阅读指南 →