为 TypeSafe 的 System One 判断模型 Jev 补上中文教程，让开发者学会用 Choice / Score / Noul 三种原语把结构化概率输出接进代码，而不是解析模型生成的文本。

想了解 System One，又不想在零散帖子里东拼西凑？ Jev Cookbook 从三种问题原语讲起，配套 Jupyter Notebook、18 篇实战配方、模型评测、马里奥等游戏案例，以及 Laya 本地部署与微调内容。 适合会一点 Python、想亲手跑实验的开发者。欢迎收藏、点 Star。 📚

模型评测，不能只盯着准确率。 在一组 231 道计划题的五模型单次快照中，Jev 有效回答 120 道，p50 延迟 0.77 秒；Kimi 有效回答最多，为 139 道。覆盖、准确率、延迟和成本，讲的是不同问题。 Jev Cookbook 第六章带你一起读懂这些指标与实验边界。 📚

马里奥、扫雷、贪吃蛇，也能用来学 AI 决策？ Jev Cookbook 第七章收录 12 个游戏与应用案例，带你沿着「状态 → 选择动作 → 环境反馈」看懂决策闭环。还包括智能家居、Agent 集成和本地模型实践。 会一点 Python，就能跟着项目一路拆解。 📚

Agent 选错工具、流程卡在一个小判断上，未必每次都要再加一层复杂推理。 Jev Cookbook 带你用 Jupyter 从 Choice、Score、Noul 三种问题原语学起，再动手做 RAG、工具选择、风险控制和 Agent 集成。 从一个明确判断开始，把它接进可观察的程序流程。 📚

⚡Jev Cookbook 开源了：一条从概念到项目的 System One 入门路线。 从 Jupyter 里的 Choice、Score、Noul 三种问题原语，到 实战、语音智能家居、Jev × 大模型评测、Agent 集成，再到 Laya 本地部署与微调。 一个适合中国宝宝学习jev的教程来啦～ 📚