无密钥回退改变分数含义
router.js 可退到本地 TurboQuant，相似度与托管概率不能混成一份校准结果。
查看对应来源 ↗代码仓库分析
tool-prune
该项目为 AI Agent 提供校准化的工具选择与 schema 裁剪功能，可在调用 LLM 前筛选出相关候选工具，并支持离线 TurboQuant 与云端 TypeSafe System One（Jev）双引擎。
E2 · 资料已核对已检查公开资料或源码证据；仅有固定提交链接并经对应源码核对，才可称固定版本核验。不代表本站运行过、认可性能或保证安全。
- Stars
- 6
- Forks
- 0
- 协议
- MIT
- 最近提交
- 2026-09-21
Jev 在这里做什么
Jev 对用户意图做原子决策：用 choice 选出最匹配的工具并给出校准概率，用 noul 判断是否需要开放式创造性生成。
让现有 Agent 通过通用接口使用 Jev。
已阅读所引 router.js，区分本地 TurboQuant 回退、工具短名单筛选与处理器派发。本站未复测 token 节省、延迟或准确率；本地相似度分与托管概率需要分别评估。
这个项目适合解决什么任务？
在发给生成模型前，把大型工具注册表缩小为相关 schema 候选。
资料分析日期：
从输入到动作
- 选择本地 TurboQuant 或托管 TypeSafe 引擎。
- 排序并应用固定或按分布变化的 top-K。
- 传递候选 schema；直接 dispatch 另需达到阈值且存在处理器。
实现中值得检查的地方
筛选与执行是不同操作
filter 返回候选；dispatch 另查 confidence 与 handler，省 token 不证明直接执行正确安全。
查看对应来源 ↗选择建议
提示词太大时可用 filter，让后续模型决定参数；直接 dispatch 只适合窄、已授权且有拒绝测试的处理器。
如何自行检查
分别检查 select、autoSelectCandidates、dispatch；依赖 requires_generation 前先核对提供商实际返回字段。
结论的适用边界
- 本站未复现延迟、节省 token 或准确率基准。
- 裁剪可能删除正确工具，应评估召回并保留回退。