用途：把 Kev（Jev/TypeSafe System One 的开源重建模型）针对用户自己的决策任务做微调，并部署为返回校准概率的端点。流程从“要自动化哪个决策”出发，一直到上线、度量并清理资源。
主要能力：用 scripts/extract_workload.py 扫描代码库中的 Jev/TypeSafe/System One 调用与标注数据并生成 workload.json；convert_data.py 把 CSV/JSONL 标注转为 Kev 记录；generate_data.py 用任意 OpenAI 兼容模型生成均衡样本；plan_size.py 估算样本量；split_data.py 按 state 切分；kev_modal.py 负责校验、训练、评估、比较、拉取、发布、清理与 Serve 端点。
使用方式：先完成访谈（决策、现有代码、已有标注、数据来源、基础模型、部署与预算），再执行命令，如 python3 scripts/plan_size.py workload.json --baseline-acc 0.75 --min-gain 0.05、python3 scripts/generate_data.py workload.json --n <总数> --out data/x.jsonl、modal run scripts/kev_modal.py::train --data data/x --name x-v1 --init-from jaredpalmer/kev-4b、modal deploy scripts/kev_modal.py。部署后为 TypeSafe System One 端点，客户端改 base_url、api_key 与 model="kev-latest"。
限制：需 Modal 账号与相应训练成本；问题字符串必须与生产完全一致；温度不得在 development.jsonl 上拟合；名称不可复用，重试需改版本号；Qwen3.5 骨干在 Mac 上较慢；未提供的信息（如具体价格、支持平台等）暂未提供。