中文实践路线

整理日期：2026-09-21。 这些是 JevCN 根据公开资源整理的学习路线，不是本站的生产案例或已验证收益。先完成SDK 快速开始，再选择一个边界明确的任务。

路线一：中文检索与证据筛选

阅读入口： 官方 RAG 段落分类、引用检查，以及独立重排实验。

1. 准备一组公开且可使用的中文文档和人工编写的问题，先保存原始检索结果。
2. 让 Jev 判断候选段落的相关性；回答生成与引用核验分别记录，不混成一个分数。
3. 对比原始排序、单独重排和融合排序，人工检查被降权但实际相关的段落。
4. 保留无相关证据、相互矛盾、中文简称与中英混写的样例。

应交付： 查询集、相关性标签、对照结果和失败案例。若候选集合里根本没有正确材料，重排无法补回缺失的证据。

路线二：有限动作与工具选择

阅读入口： jev-browser、jev-guard。

把任务缩小到只读浏览或模拟工具：程序列出当前可用选项，Jev 选择下一步，程序在执行前再次检查状态和权限。增加“停止 / 信息不足”的路径，并记录意图理解错误、选项缺失与执行失败这三种不同问题。

应交付： 每步状态与候选动作、模型选择、执行结果及预期结果。使用离线回放先评估，不从项目演示直接推断可无人值守运行。

路线三：上下文压缩是否值得

阅读入口： fast-jev-compaction。

用脱敏的公开示例构造一段工具调用历史，标注后续任务必须保留的信息。比较不压缩、简单截断和按相关性筛选后的任务完成情况，同时记录输入量和新增判断开销。

应交付： 压缩比例、最终任务质量、遗失信息清单。字符减少是过程指标，不能替代任务是否完成。

路线四：评价标准与人工复核

阅读入口： jev-align、jev-benchmarks。

从公开文本分类或审核练习开始，写出明确标准，保留随机抽样复核；不要只复核低置信度样本，否则看不到高置信度误判。把标准修改记录为版本，在独立留出集上比较变化。

应交付： 标准版本、人工标签、误判类型和不同阈值下的自动处理覆盖率。

共同的记录习惯

每条路线都应固定版本、保留失败、说明数据来源。完整模板见公开评测怎么读。涉及算术、日期或硬性权限条件时，优先由代码计算与校验；模型能力边界请以官方局限说明为准。

欢迎分享小而完整的复现，而不必先做出大型应用。仅收录可以公开的材料，不要求贡献者披露自己的业务实现。