用途
AnyJev 是一个 Apache-2.0 许可的 Python 库，用于基于下一 token 概率进行免训练（training-free）的带类型选择、是/否判断与分数决策。本技能（anyjev）提供操作该库的规范化流程，固定于提交 d458d13968eec0e2cfa8c81b64629b96cf5cb4a9（包版本 0.3.0，审计日期 2026-10-07）。
本技能面向自托管开源模型的 AnyJev 库本身；其清单不依赖 typesafe-ai。如需托管的 System One/Jev API、凭证、计费或独立 Jev harness，应使用外部 TypeSafe AI 文档或其自有技能，不在本技能范围内。
主要能力与操作路径
使用前需在以下路线中只选择一条：inspect（检查）、decider、tacit、backend、gateway、research。具体命令、限制、后端契约与引用见 references/upstream.md，不应推断更新后的主分支行为。
- 检查或固定 AnyJev 检出，不下载权重或数据集。
- 构建免训练的 Decider 读数，并区分原始输出与 L0。
- 使用 transformers、vLLM 或 vLLM 服务器运行已批准的 Tacit 检查点。
- 配置 HF、vLLM、SGLang 或 GGUF/llama.cpp 后端及分词器规则。
- 评估自适应轮换校准或本地 anyjev.serve 网关。
- 记录带有模型、后端与来源证据的有限研究读数。
使用方式
首先运行离线预检。在仓库根目录执行：
python3 .agent-skills/anyjev/scripts/preflight.py --json
在已安装的 skills 根目录执行：
python3 "$SKILLS_ROOT/anyjev/scripts/preflight.py" --json
如需检查指定的本地检出路径，可加上 --repo PATH --expect-commit d458d13968eec0e2cfa8c81b64629b96cf5cb4a9。该脚本只读取 Python 与发行版元数据、主机与工具是否存在、公开检出结构以及本地 Git 提交；runtime_verified=false 始终如实表示未被验证：检测到包并不等于推断正在工作、服务器已激活、模型已加载或质量证据。可选后端扩展可能缺失；基础 AnyJev 仍要求 Python >=3.10、AnyJev 元数据与 NumPy >=1.24。
随后执行所选路线：仅安装所选的可选扩展，并明确模型、数据集、服务器与凭证副作用；保持 Question 的选项/级别契约，当 L0 属于验收条件时必须要求 L0，且不得将 Tacit 的单次前向输出描述为 L0 平均结果。对 HTTP 后端需验证分词器可用性与所需的对数概率设置；除非已具备外部认证与网络策略，网关应绑定回环地址。
最后进行验证与报告：对于无下载的 API 连接流程，允许使用固定的 FakeBackend 冒烟路径，但这只是夹具证据，不是模型质量证据。真实推断需报告 AnyJev 提交、模型修订、后端/引擎、分词器、dtype/设备、问题布局、先验/自适应设置与数据集许可。包元数据与 PATH 检测结果需与成功推断分开报告。
适用场景
适用于检查或固定 AnyJev 检出、构建 Decider 读数并控制选项顺序偏差、运行经批准的 Tacit 检查点、配置多种推理后端、评估校准或本地网关、以及记录带证据的研究读数。
限制与注意事项
模型/数据集下载、可选安装、远程服务器调用与提供方凭证均需显式选择；本地推断仍消耗算力。当选项顺序偏差重要时优先使用 Decider(level="L0") 并强制执行该级别；审慎选择 prior="content_free" 或 prior="none"。使用 canonical_order=True 校准自适应偏移；该证书表示与完整 K 的 AnyJev 输出一致，而非外部准确率。Decider 的 answer_mass 视为提示落地证据；Tacit 的 margin 与 route 仅作诊断，不视为通用置信度，共享服务应保持升级上限开启。GGUF/Hugging Face 分词器不一致应作为安全失败处理，非回环网关须置于认证与网络策略之后。保留 Apache-2.0 声明并识别基准数据集许可；不应将孤立的决策证据泛化为智能体循环结论。