wuyoscar/jev-skill

解决的问题

提供一系列专门的技能、工作流程与演示，供编码代理提升其决策能力。与其依赖一般 LLM 推理处理每个步骤，它让代理能使用「Jev」（一个负责选择、分类与评分的系统）来更可靠地处理工具路由、分流与证据检查等特定任务。

运作方式

此项目提供一组「技能」，可安装到编码代理（如 Codex、Claude Code 或 OpenCode）中。这些技能作为不同决策类型的专门模块：

• jev：设计问题与批次调用。
• jev-triage：排序与标记记录（例如支持队列路由）。
• jev-documents：寻找与验证来源证据。
• jev-eval：根据评分标准检查输出。
• jev-act：选择下一个合法行动（例如浏览器步骤或游戏动作）。

代理可通过 API（经由 OpenRouter 或 TypeSafe）或模拟模式使用这些技能，在模拟模式中代理自行处理决策逻辑。

适用对象

构建或使用 AI 编码代理的开发者，希望在其代理工作流程中加入结构化决策、分类与评分能力。

亮点

• 多样化技能组合：包含分流、文档证据、评估与行动选择的专门模块。
• 广泛生态系统：收录 57 个项目、108 个情境，以及各种社区构建的应用程序，从浏览器自动化到音乐创作。
• 代理优先安装：设计为由编码代理本身通过特定提示安装。
• 弹性后端：支持官方 TypeSafe 服务、OpenRouter 或本地模型模拟。