【Learn Agent】Jev Cookbook —— 适合中国宝宝的 Jev 入门教程

互动交流
1

副标题：从「文本解析」到「类型化决策」——十一章可运行中文教程 + 全站文档翻译 + 500+ 文件知识库，一路打通到用 RLCD 微调开源同类模型（Laya）

1. 30 秒介绍

大模型应用里最常见也最脆弱的一环，是把模型生成的文本解析回程序能用的决策——慢、贵、还会坏。Jev Cookbook 是 Datawhale 开源的中文教程，补齐了 TypeSafe 旗舰 System One 模型 Jev 的中文教程空白：Jev 不做文本生成，而是原生输出类型化决策与校准概率，分支、排序、路由直接交给代码。

面向具备基础 Python、想入门「AI 对软件」开发范式的开发者、工程师与学生，不需要机器学习背景。规模：十一章可运行中文教程 + 全站文档翻译 + 500+ 文件知识库，含 18 篇官方实战配方、12 个可运行项目、231 道公开题四维评测。学习愿景：从大模型的「使用者」，蜕变为判断驱动系统的「构建者」。

2. 主要内容

模块总览

章节 规模 内容概要
第一章 认识 Jev 1 Notebook 与 LLM 区别、三原语一次调用、场景地图、校准、赛事指挥台综合实验
第二章 核心概念 5 册 System One 机制、状态、原语、置信度、如何用 TypeSafe 构建
第三章 架构模式 1 Notebook 推测性扇出、置信度门控、复合评分、意图路由
第四章 实战指南 18 册 官方 Cookbook 逐篇复刻，篇尾附工程「知识补充」
第五章 智能家居实验 Notebook + 3D 应用 投机提示实测 + 内嵌 3D 应用（语音驱动 / 成本统计）
第六章 模型评测 Notebook + benchmark + llm_eval 231 道公开题四维基准（准确率 / 底线 / Brier / ECE）
第七章 实战应用 12 个项目 游戏（贪吃蛇 / 扫雷 / 狼人杀）、闭环控制、网页智能体
第八章 前沿研究 研究地图 + Notebook Jev-Mem（记忆）与 JevHarness（控制流）研究快照
第九章 Agent 集成 2 Notebook Pi 工具调用 gate 判断 + DSH 决策协作复盘
第十章 本地模型 全流程文档 Laya 介绍对比、RLCD 微调、中文数据集构造、本地兼容服务
第十一章 知识库 21 板块 / 500+ 文件 官方文档中译、JevBench、公众号长文

亮点模块

① 第 2 章 · 三原语提问纪律（Noul / Choice / Score）
全书的方法论内核：把「一题只问一件事，组合交给代码」落成可复用范式，并厘清概率、置信度、正确率、校准四个极易混淆的概念。

② 第 4 章 · 18 篇官方实战配方
重排序、语义搜索、结构恢复、函数调用、引用核查、防护栏……每篇一本 Notebook、篇尾附工程坑，是「照着改就能用」的密度最高的部分。

③ 第 9 章 · Agent 集成（工具执行前先判断）
在 Pi 与 DSH 两个真实 Agent 框架里，让 Jev 在动手之前先做一次语义判断，同时让代码保留权限与动作控制——正好切中当下 Agent 工具安全的核心痛点。

④ 第 10 章 · 本地微调全流程（RLCD + Laya）
中文数据集构造 → 训练 → 本地 Jev 兼容服务，把一个开源同类模型完整跑通；对「想自己造判断模型」的人是少见的端到端教程。

适合 / 不适合

  • :white_check_mark: 有基础 Python、想入门「AI 对软件」范式的开发者 / 工程师 / 学生
  • :white_check_mark: 关注 Agent 工具安全（置信度门控、执行前判断）的工程同学
  • :white_check_mark: 想亲手做评测基线、或想微调本地判断模型的实践者
  • :cross_mark: 需要开放式生成、长链推理或创作的人——Jev 不取代这类 LLM
  • :cross_mark: 完全不熟悉 Python / Jupyter 的纯入门者

3. 快速上手与链接

在线阅读：简介 · TypeSafe 中文文档 （官方文档中文翻译站，非官方社区翻译，以英文原版为准）
仓库地址：https://github.com/datawhalechina/jev-cookbook

本地运行（需 Python ≥ 3.10，在 main/ 目录下执行）：

./setup_env.sh
.venv/bin/python -m pip install -r requirements.txt -c generators/constraints-foundations.txt

# 无需 API Key 的离线运行（示例响应，用于理解结构与控制流）
JEV_RUN_MODE=offline .venv/bin/jupyter lab 01_认识Jev/01_认识Jev.ipynb

实时实验需将 TYPESAFE_API_KEY 放入启动 Jupyter 的进程环境（免费注册可领，可选）；密钥不要写入 Notebook、配置文件或日志。

模块直达：

作者 / 协议：核心贡献者 Bald0Wang（项目负责人）、Micheal024（第 6 章评测）、lzdFeiFei（jev-games）。原创内容采用 CC BY-NC-SA 4.0，收录的第三方项目版权归各自作者。

引用：

@misc{jev_cookbook2026,
  title  = {Jev Cookbook: Jev 中文教程与知识库},
  author = {Bald0Wang and Micheal024 and lzdFeiFei},
  year   = {2026},
  url    = {https://github.com/datawhalechina/jev-cookbook}
}
1 个赞
【Learn Agent汇总】我在论坛一天发了8篇Agent教程推荐，今天把它们拼成了一张学习地图
2

已严肃学习！！！

2 个赞
3

「从大模型使用者蜕变成构建者」这口号有点东西啊，不过看这规模我先收藏吃灰了 :joy:

2 个赞