Jev 能力落地清单与替换上线
- HTML: https://decision.ht1072.top/2026-09-20-jev-rollout-list-2026-09-20.html
- Local HTML:
[已移除本地路径]
- Generated: 2026-09-20T14:54:50+08:00
Jev 能力落地清单（基于本机体系盘点，2026-09-20）
依据：本机 20 个 cron 任务、10+ 常驻脚本、晨报/知识/Hindsight/记忆治理四条主线全量盘点 + Jev 真实能力实测
Jev 特性约束：只做结构化决策（boolean/choice/score），不生成文本、不写代码、无推理链
单项成本：~$0.00002/次（0.042/MTok），延迟 0.4-0.8s（跨洋实测）
关键优势：校准概率可复现（同对 8 次极差 0.010，零翻转），低置信 case 自动暴露（实测翻译质量模糊 case 自动给出 conf=0.4）
已落地
P0：直接可做（现成钩子、高频、零重构）
2. 晨报噪音过滤增强（filter_noise_items）
- 现状：纯字符串规则（V2EX 推广 ≥2 命中、导购词 ≥2 命中）——误报漏报都靠规则调参
- Jev 角色：
boolean——"这是导购/促销/软文/无关推广内容吗"，规则命中时二次确认，规则漏掉的语义变体兜底
- 价值：规则误杀恢复 + 漏网推广拦截；每条 ~0.5s
- 落点：fetcher.py
filter_noise_items 后追加语义复核（MORNING_BRIEF_NOISE_JEVI=1 开）
3. 晨报翻译质量验收（新增质量门）
- 现状：
auto_translate_sources 翻译后无验收——译错、漏译、术语错没人管
- Jev 角色：
score（错误/瑕疵/准确）——翻译后抽检（如全量或按比例）
- 实测：已用真实样张验证——格式正确、模糊 case 自动低置信（conf=0.4 暴露"星芒 vs 原文 Astra"这类争议译法）
- 价值：翻译质量从"没人管"到"自动分级：高置信放行、低置信标记"
- 落点：
auto_translate_sources 尾部
4. 早报条目重要度评分（配额取舍）
- 现状：各源固定条数上限（5/12/3 条）——来源权重写死，与内容质量无关
- Jev 角色：
score——"这条对技术读者重要吗"（1-5），跨源统一分数后取 TopN
- 价值：低质条目（缺 desc、标题党）自动降权，好内容不再被源配额埋没
- 注意：会改变晨报内容构成——建议先影子模式跑一周对比再切换
5. Wiki 治理告警分诊（llm-wikis-governance-alert）
- 现状：规则检测（断链/孤岛/陈页）→ verdict 直接决定是否发飞书告警——噪音全量推送
- Jev 角色：
choice（真问题/可忽略/需人工）+ score（紧急度）——每条告警过一遍分诊
- 价值：降低告警噪音（涛哥明确期望减少"告警后再手动介入"）；分诊结果可累积成治理信号
- 落点：governance-daily 产出后、alert cron 判 verdict 前
6. Hindsight retain 预筛（每小时跑的常驻链路）
- 现状：
hindsight-retain-daily 每小时执行，retain 全部候选条目
- Jev 角色：
boolean——"这条信息值得长期记忆吗"（工具噪音/临时状态/重复信息过滤）
- 价值：记忆库质量提升 + 省下游 LLM retain 成本；对应官方"universal verification"用例
- 注意：先影子模式比对，确认不丢真实价值信息再启用
P1：需小幅改造（中频、有明确收益）
7. 搜索结果相关性排序（search_router）
- 现状：搜索 worker 返回结果直接输出，质量靠 worker 自己
- Jev 角色：
score——每条结果相关性打分，TopN 截断
- 价值：搜索结果质量提升、去掉噪音条目
8. 深度调研证据筛选（hermes-deep-research 流程）
- 现状：调研证据收集后靠 LLM 通读筛选
- Jev 角色：
boolean——"这条证据支持/反驳主论点吗"，每条独立判
- 价值：大材料量场景（HN 评论 502 条级别）先过滤再精读，省 LLM 成本
9. 摘要幻觉抽检
- 现状：
summarize_batch 生成的摘要无验收
- Jev 角色：
boolean——"摘要中的关键事实能在原文找到吗"
- 价值：晨报摘要可靠性从"赌"到"抽检验证"
10. delegate_task 结果验收辅助
- 现状：主 agent 人工读子代理报告判断是否达标
- Jev 角色：
boolean/score——"报告是否完成目标、是否含可验证证据"首轮机器预判
- 价值：对应官方"agent trace observability"用例；长任务验收加速
- 注意：仅辅助，不替代独立 review 纪律
11. 记忆治理候选评分（memory_governance_day_eval + l0-governance-candidate）
- 现状：L0 候选提取+评估已跑（每日/每月），评估口径主要为规则+LLM
- Jev 角色：
choice（该进 USER.md/MEMORY.md/丢弃）+ score（重要度）——候选三分类
- 价值：治理判断标准化、可审计；恰与既有"L0 高水位治理"流程同构
12. 健康报告异常分诊（daily_health_report）
- 现状：阈值规则判断（未挂载=error 等），异常直接进 08:30 简表
- Jev 角色：
choice（真异常/抖动/可忽略）——对模糊异常做二次分诊
- 价值：减少"狼来了"（如版本检查失败的持续低危告警——记忆里有"达到更高阈值再处理"的诉求）
P2：探索型（有价值但要先设计）
13. 内容发布质量门（decision trace / 早报 HTML / wiki 入库）
- Jev 角色：
boolean——发布前检查"是否符合该形态的硬要求"（标题/结构/链接完整性）
- 注意：对外发布是高影响动作——Jev 只做预检，不替代独立 review 门禁
14. cron 审计失败分类（cron-audit-monthly）
- Jev 角色：
choice——失败原因归类（配置/网络/模型/脚本 bug）
- 价值：月度审计从"列失败"到"按因归类"
15. 会话归档分类（session-librarian）
- Jev 角色：
choice——会话主题归类 + boolean——"是否值得归档保留"
16. 内容源筛选（Bilibili pipeline / Follow Builders）
- Jev 角色：
score——素材相关性/价值分——对应现状 _tweet_score 启发式
- 价值：源池筛选精细化
17. Agent 轨迹观测（对应官方 evals 的 "Agent Trace Observability"）
- Jev 角色：
choice——"这段 agent 轨迹需要人工看吗、多急"
- 场景：长任务/子代理/桌面断联排查的辅助分诊
通用原则（从本次落地提炼）
- 影子优先：改变内容构成的场景（#4/#6/#12）先影子模式跑一周，比对无回归再切换
- 降级链必有：Jev 失败 → 降级路径（LLM 兜底或退回原规则）——去重场景已实证
- 低置信转人工：Jev conf < 阈值时不猜、标记——这正是它相对 LLM 自报置信度的核心优势
- 不可逆动作高门槛：删除/发布类动作阈值 ≥0.85；只读/打分类可放宽
- 审计必留：每个决策记录（input/prob/action/reason）落 run log，供周级校准
- 成本不是约束：$0.00002/次，即使全量跑也只有分币级——约束是正确性设计，不是预算
优先级判断依据