GoSailGlobal Jev Skills Workflow
这是 Jason Zhu 公开的项目资料。本站按原始来源展示项目信息，用中文说明适用场景和阅读边界；项目名、源帖与代码保持原样，便于逐项核对。
这条案例记录了什么
MCP 与 Skills、工具选择
以可调用工具的形式返回结构化判断。
社区公开项目或作者演示
原始来源：Original post on X by @GoSailGlobal。作者自述，本站未独立复现。
Jason Zhu
记录日期：2026-09-18。日期与身份应以原始资料为准。
原始演示视频
视频来自此案例记录的原始媒体；播放内容和作者声明不等于本站复现。
怎样核对这个项目
- 先打开原始来源，确认作者、日期与 Jev 在项目中的具体用途。
- 如果提供仓库，再检查代码、运行要求和许可证；仓库存在不代表本站已经运行成功。
- 对速度、成本、准确率和规模数字，查看原文的任务、环境和计算口径。
- 真实调用入口和参数。
- 密钥及权限边界。
- 工具失败时的行为。
- 工具列表和版本。
原始文字与技术细节
以下内容保留原语言，供核对事实。中文页的场景说明是阅读提示，不是逐句翻译或实测结论。
展开英文项目摘要与原帖
项目摘要
搜索重排反例：在 33,047 条技能目录上测试 Jev，质疑单独重排是否显著胜过向量检索。
来源原文
拿 Jev 做搜索重排，我先泼一盆冷水：单独用，它没打赢向量检索 TypeSafe 的 Jev 这阵子很火，一堆项目拿它做重排。我们在 Agent Skills Hub 的 33,047 条目录上认真测了一次，164 条中英文真实查询，9,831 对分级标注，整套只花了 2.6 美元 三个结论 01｜单独重排，约等于没赢 Jev 重排 bge-m3 的前 30 条，NDCG@10 只多了 0.012，置信区间跨过零。MRR 和前三命中率倒是涨得明显，它很会把最强的那一条顶到第一，后面几条基本是重新洗牌 02｜裁判偏差，被我们量出来了 Jev 自己也参与了打标注，这就是循环 只用 Jev 当裁判，它领先 0.053 两个裁判合并，领先 0.012 只用 Haiku 当裁判，反而落后 0.028 同一组比较，换个裁判结论直接翻面。所有涉及 Jev 的结论，我们只认 Haiku 那一列 03｜真正稳赢的是融合 把 Jev 和 bge-m3 的排序做 RRF 融合，NDCG@10 到 0.864，比纯向量高 0.064 到 0.116，三种裁判下都成立。代价是每次查询多一次 API 调用，约 0.0002 美元 顺便暴露了我们自己的问题：Hub 线上 CLI 用的关键词排序只有 0.609，短板是召回。相关结果有一半压根没进候选，后面怎么重排都救不回来 数据、标注、每条查询的得分全部开源，不用 API key 就能复现打分
原记录的限制
- Implementation details are based on the author's public post on X.
- Performance figures and benchmarks are author-reported community claims.
- Production deployments may require custom calibration and policy thresholds.