面向 agent 的快速接入

一次工具调用，返回精简证据包。 AI 提供任务和上下文，Jev Filter 在程序内采集并判断；主模型负责规划、开放推理和未确定证据。

第一步：安装

npm install -g @apixly/jev-filter
jev-filter doctor

在 AI 实际执行工具的环境配置 TYPESAFE_API_KEY 或 TYPESAFE_API_KEY_FILE，不要把凭据放进提示词。安装配套 skill：

mkdir -p ~/.codex/skills
cp -R "$(npm root -g)/@apixly/jev-filter/skills/jev-filter" ~/.codex/skills/

Claude Code 使用 ~/.claude/skills/。已有定制时先检查合并。安装包不会自动改写全局指令。

第二步：明确什么时候调用

任务	使用方式
精确路径、ID、字段、selector、计算	原生工具或确定性程序
大量记录、标准明确、重复语义判断	Jev Filter
规划、写作、开放推理	主模型
已有流程内部已经用了 Jev	直接调用流程，不重复筛选

第三步：提供精简而充分的上下文

保存为 analysis.json：

{
  "mode": "choose",
  "context": {"project": "Beta", "format": "JSON"},
  "required_context": ["project", "format"],
  "required_record_fields": ["source.project", "source.format"]
}

运行完整例子：

jev-filter query --input - --analysis analysis.json \
  --task '选择与上下文中项目和格式匹配的导出' <<'JSON'
[
  {"id":"a","text":"导出记录","project":"Alpha","format":"JSON"},
  {"id":"b","text":"导出记录","project":"Beta","format":"JSON"},
  {"id":"c","text":"导出记录","project":"Beta","format":"CSV"}
]
JSON

预期为 selected_ids=["b"]、review_ids=[]、complete=true。接入真实采集器时改用 exec ... -- YOUR_COMMAND ARGS，见命令配方。采集应在工具内部完成，不要先把原文倒进主模型聊天。

第四步：使用结果并处理不确定项

已完成的类型化判断按原条件使用，不重复让主模型逐条再分类。
有 review_ids 或 complete=false 时，只复核必要原文。
退出码 2 仍有结构化结果，不要直接丢弃。
回读：jev-filter read ARCHIVE_PATH --id SOURCE_ID。
权限、身份、时效和执行结果继续由原工作流验证。

Jev 不继承聊天历史。提供相关且有来源的事实，各记录自己的历史随记录传入；缺事实保留不确定。自动合批、最多 30 个并发请求，不用结果缓存。上下文详细说明。

旧命令 jev-context 和 Python 的 jev_context 导入继续兼容。新 Python 集成使用 from jev_filter.batch import run。