Jev Cookbook 学习指南与笔记

从一次类型化判断开始，学会设计输入、定义问题，并用程序处理结果。先完成第 1、2、3 章，再挑一个与自己需求有关的实战配方。这是教程推荐的学习主线。

课程入口：在线课程 · GitHub 仓库 · Notebook 运行说明

第一章 认识 Jev

课程入口：第一章导读 · 入门 Notebook

一句话：Jev 是 TypeSafe 的旗舰模型，也是第一个「System One」（挪用《思考，快与慢》的系统一概念，来强调这种快速地直觉的判断）模型——输入是状态（state）加一组类型化的问题（questions），输出是类型化的答案加概率分布。没有文本生成，也没有解析。
传统 LLM 为人类阅读写文本；当代码需要做判断时，就得把生成的文字再解析回程序可依赖的形式——这一步既慢又脆。
Jev 直接跳过这两步：像 LLM 一样读懂自然语言，但只返回你问的那几个数。

与 LLM 的区别（官方对比）

维度	聊天大模型	Jev（System One）
训练目标	生成讨人喜欢的回复（RLHF）	校准决策（RLCD）：概率对齐真实结果
输出	一段自由文本	类型化取值 + 概率分布（由你的问题定义）
会做什么	写作、代码、解释推理	只做判断；不写回复、不解释推理
适合谁消费	人	程序：分支、排序、路由

• Jev 适合解决什么问题：
• 模型给出的判断是什么，代码决定的动作是什么：

我的第一个场景

• 想处理的任务：
• 提供给模型的 state：
• Noul 问题：
• Choice 问题及选项：
• Score 问题及等级定义：
• 输出后程序应该做什么：
• 输入含糊或判断不确定时怎么办：

阅读与实践检查

• 读过「Jev 是什么」与「三分钟上手」。
• 找到了 Notebook 中的 state、问题、响应和分支代码。
• 为三种原语各写了一个自己的例子。
• 读完首章，并能解释判断与动作的分工。
• 实际运行了一个示例，记录了运行模式。

今天最大的收获：

还没理解的问题：

下次从这里继续：

第二章 核心概念

课程入口：第二章导读

按本章五册顺序记录：System One → 状态 → 原语 → 置信度 → 应用构建。

System One

• 我的理解：
• 一个请求中的 state 与问题怎样组织：

状态

• 本次判断需要哪些证据：
• 我的 state 示例：

原语

• Noul、Choice、Score 的适用场景：
• 我的问题与选项设计：

置信度

• 概率、置信度、正确性与校准的区别：
• 我还没理解的地方：

应用构建

• 模型判断怎样接入代码流程：
• 我的应用例子：

学习记录

• 阅读日期与进度：
• 实践内容与结果：
• 待解决的问题：
• 下次从这里继续：

概念速查

先记住这条流程：state 提供证据 → 问题定义答案范围 → 模型返回判断与概率 → 代码决定动作。模型判断与程序动作的分工见第一章。

概念	先怎样理解	自己的练习问题
state	本次判断能够看到的事实与证据	哪些事实必须提供？
Noul	问「是否成立」，关注 P(true)	这条消息是否在请求退款？
Choice	问「选哪一项」，返回类别分布	消息属于咨询、退款还是投诉？
Score	问「程度多少」，在定义好的等级上判断	这条消息的紧急程度为哪个等级？

表中的消息问题是自拟练习；概念依据第二章。

阅读时留意三个区别：

1. 有限选项判断与开放式生成：先想清楚任务的答案范围；要写长文或自由创作时，仍需要生成模型。第一章
2. 概率、置信度与正确性：高置信度不能证明某次答案正确；校准需要跨样本比较预测与实际结果。第二章
3. 离线示例与实时预测：修改输入后，静态示例响应不能作为模型新预测。要观察分布变化，需要实时调用并记录结果。运行说明

第三章 架构模式

课程入口：第三章导读

学习重点：学习四种模式，记录判断结果如何进入程序。

推测性扇出

• 我的理解与例子：

置信度门控

• 我的理解与例子：

复合评分

• 我的理解与例子：

意图路由

• 我的理解与例子：

学习记录

• 阅读日期与进度：
• 实践内容与结果：
• 不确定或失败时的处理方式：
• 待解决的问题：
• 下次从这里继续：

第四章 实战指南

课程入口：第四章导读与 18 篇配方

学习重点：从与自己需求有关的配方开始，记录任务、输入、问题和代码处理方式。

选定的配方

• 配方名称与链接：
• 为什么选择这篇：
• 准备解决的实际问题：

配方记录模板

每学一个配方，复制下面的小节填写。优先记录自己的理解、改动和问题。

本次配方记录

• 日期与用时：
• 章节或配方及链接：
• 本次想弄懂的问题：
• 我用自己的话解释的核心概念：
• 能用于自己哪个任务：
• 改了什么，为什么这样改：
• 实际观察到什么：
• 哪一点与预期不同：
• 未解问题：
• 下次阅读或实验起点：

第五章 智能家居实验

课程入口：第五章导读

学习重点：观察用户指令、模型判断、代码控制流与模拟设备动作的协作。

学习笔记

• 阅读日期与进度：
• 从用户指令到设备动作的流程：
• 串行与并行如何安排：
• 我的理解与疑问：

实践记录

• 测试的指令：
• 判断结果与实际动作：
• 延迟或成本观察：
• 下次从这里继续：

第六章 模型评测

课程入口：第六章导读

学习重点：固定数据与运行条件，比较判断效果、概率质量、延迟和成本。

学习笔记

• 阅读日期与进度：
• 数据集与模型版本：
• 准确率、Brier、ECE 分别说明什么：
• 评测条件与对照方式：
• 我的理解与疑问：

下面的实验表也可复制到其他章节使用。

实验记录

每次只改变一个因素，例如一条事实、一个问题措辞或一组选项。先写预期，再记录实际结果；这也是第二章建议的练习方式。

日期与章节	运行模式	改动与预期	实际输出或分布	代码动作与发现
待填写	离线／归档回放／实时 API	待填写	待填写	待填写

实时实验另记：模型或接口版本、原始输入、延迟、费用或 token、错误信息。保存结果时不包含密钥。指标与运行记录要求见运行说明。

第七章 实战应用

课程入口：第七章导读与项目入口

学习重点：选一个应用项目，追踪 state、判断、动作与反馈。

学习笔记

• 阅读日期与进度：
• 选择的项目与链接：
• 输入、判断、动作、反馈如何连接：
• 可以用于自己的哪个场景：

实践与问题

• 运行或修改了什么：
• 实际结果与发现：
• 待解决的问题：
• 下次从这里继续：

第八章 前沿研究

课程入口：第八章导读

学习重点：按兴趣阅读 Jev-Mem 与 JevHarness 等研究，理解问题、实验和对照。

学习笔记

• 阅读日期与进度：
• 研究或文章名称与链接：
• 作者想解决的问题：
• 方法、基线与实验结果：
• 结果适用于哪些条件：
• 我的理解与疑问：
• 下次从这里继续：

第九章 Agent 集成

课程入口：第九章导读

学习重点：学习 Pi 与 DSH 的集成案例，理解工具执行前的判断与代码控制。

学习笔记

• 阅读日期与进度：
• Pi 集成案例：
• DSH 决策协作案例：
• 判断与执行的边界：

我的应用与实践

• 我的应用场景：
• 希望交给 Jev 的判断：
• 程序需要保留的规则：
• 实践内容与结果：
• 待解决的问题：
• 下次从这里继续：

第十章 本地模型

课程入口：第十章导读

学习重点：了解 Laya，按需学习决策数据构造、训练、本地服务与评测。

学习笔记

• 阅读日期与进度：
• Laya 与 Jev 的关系及区别：
• 数据构造方法：
• SFT、LoRA、RLCD 的理解：
• 本地服务与调用方式：

实践与问题

• 使用的模型与环境：
• 实践内容与结果：
• 待解决的问题：
• 下次从这里继续：

第十一章 知识库

课程入口：第十一章知识库

学习重点：按需要查阅文档和社区资料，记录来源与版本。

查阅记录

日期	查什么问题	资料名称与链接	版本或日期	我的理解
待填写	待填写	待填写	待填写	待填写

补充笔记

• 查到的重要概念：
• 与前面章节的联系：
• 仍待查证的问题：

资料入口

• Datawhale Jev Cookbook 仓库：课程总览与项目源码。
• 在线课程首页：章节导读与路线。
• main README：Notebook 路径、运行方式与结果解读。
• 第四章配方目录：前三章完成后挑选练习。

学习指南整理日期：2026-10-14。后续运行时以仓库当前说明和对应 Notebook 的运行要求为准。