判定器 · spec.jev

判定器回答 spec.jev 的判定點提出的範圍明確的問題：是或否、幾個固定答案裡選一個，或者評分，每個答案都附帶機率。判定點從來不知道是哪個判定器回答的。由你來選，可以整個安裝統一選，也可以每個判定點單獨選；切換之前，還可以在你自己的工作階段上比較判定器。

由哪個判定器回答

~/.spec.jev/agent/spec.jev.json 裡的 tiers 依序列出判定器。後一個判定器只看到前面幾個拿不準的問題，所以可以讓便宜的本機判定器先答，雲端的判定器接住剩下的：

{ "tiers": ["laya", "jev"] }

routes 讓一個判定點用自己的判定器：

{ "routes": { "browser.step": ["jev"], "memory.capture": ["llm:anthropic/claude-haiku-4-5"] } }

在工作階段裡，/mu judge <judges> 和 /mu route <point> <judges|default> 做同樣的事；SPECJEV_JUDGE=laya,jev spec.jev 只為一次執行指定判定器。/status 顯示哪個判定器回答什麼，桌面版的「判定器」頁也能設定這些。

沒有判定器按時回答時，每個判定點就照沒有判定時那樣做（通常是什麼都不變），帳本裡記下原因。不會等太久：每個判定點都有時限。

Jev（雲端）

Jev 是 TypeSafe 做的判定模型，專門回答這類問題。內建的 jev 判定器透過第一個設定了金鑰的服務呼叫它：

順序	服務	金鑰	內建名稱
1	TypeSafe	`TYPESAFE_API_KEY`	`jev-direct`
2	OpenRouter（只給 Jev 用的金鑰）	`MU_JUDGE_OPENROUTER_API_KEY`	`jev-openrouter`
3	Vercel AI Gateway	`AI_GATEWAY_API_KEY`	`jev-gateway`
4	OpenCode Zen	`OPENCODE_API_KEY`	`jev-opencode`
5	Cloudflare Workers AI	`CLOUDFLARE_API_KEY` 和 `CLOUDFLARE_ACCOUNT_ID`	`jev-cloudflare`
都沒設定	OpenCode Zen，限時免費	不需要金鑰	`jev-opencode-free`

金鑰只會送給它所屬的服務。直接指定一條線路，例如 "tiers": ["jev-openrouter"]，就會跳過這個順序。spec.jev setup 或桌面版的「判定器」頁會替你寫好金鑰。

免費的 Jev。 一組金鑰都沒有時，由 OpenCode Zen 上的 Jev 1.13 回答。它判定的內容會送給 OpenCode，OpenCode 不拿這些內容訓練模型；spec.jev 每天提示一次。這是 OpenCode 的限時活動：活動結束時 spec.jev 會告訴你，各判定點退回沒有判定器時的做法，直到你設定一組金鑰。spec.jev setup --judge free 明確選用它。

速度和成本。 在作者自己的工作階段裡實測：熱連線上一個問題約 0.3 秒；16 塊工具輸出在一個請求裡判完用 0.44 秒，狀態只計費一次。工作階段使用中時，每 50 秒問一個很小的問題讓連線保持熱的，所以一輪開始前的提問能省掉 1 到 3 秒的連線建立時間。

Laya（本機）

一個 3.22 億參數的判定器，在你的機器上執行，從不連網。

spec.jev judge setup     # 下載模型前會先問你
spec.jev judge start     # 啟動它
spec.jev judge status

桌面版一步就能裝好它，同樣會先問你。Laya 在簡單的述詞上可靠（這段文字是不是在描述一個錯誤？），在關於關係或關於請求本身的問題上偏弱。spec.jev 知道這一點，從不把它答不好的問題交給它，所以在 ["laya", "jev"] 這樣的鏈裡，這些問題直接交給下一個判定器。在「Jev 審批」模式下，審批不交給 Laya。先讓它以影子模式和 Jev 平行執行，看過帳本，再把某個判定點單獨交給它。

分類模型和大模型

classifier:<provider>/<model>：pi 模型目錄裡的任何分類模型，用你已有的該供應商的登入或金鑰存取。Cloudflare 的 Clef 內建為 clef 和 clef-flash；OpenRouter 和 Vercel AI Gateway 上的 System One 模型，以及 llama.cpp 的分類模型，也都能用。
llm:<provider>/<model>：任何聊天模型，要求它以 JSON 回答。比較慢，每次判定都花 token，但除了你已經在用的模型之外什麼都不需要。spec.jev setup --judge model 把工作階段的模型設為判定器。
clm：跑在 clm-serve 後面的 CLM-8B（預設 http://127.0.0.1:8700）。還沒有在 spec.jev 的問題上測過。

你自己的判定器

在 spec.jev.json 的 judges 下，給一個名稱和一個類型：

{
  "judges": {
    "relay": { "type": "typesafe", "baseUrl": "https://relay.example.com/v1/systemone", "apiKeyEnv": "RELAY_KEY" },
    "lab": { "type": "http", "baseUrl": "http://10.0.0.5:9000", "path": "/evaluate", "apiKeyEnv": "LAB_KEY" },
    "fast": { "type": "llm", "model": "anthropic/claude-haiku-4-5", "thinking": "off", "timeoutMs": 4000 }
  },
  "tiers": ["relay", "jev"]
}

類型	連接到什麼
`typesafe`	任何在 `baseUrl` 上使用 TypeSafe System One 協定的服務
`http`	任何接收 `{ state, questions }`、回傳 `{ answers }` 的端點
`llm`	pi 模型註冊表裡的一個聊天模型
`classifier`	pi 模型目錄裡的一個分類模型
`local`	一個相容 Laya 的本機伺服器
`clm`	一個 `clm-serve`

金鑰從不寫進檔案：apiKeyEnv 寫的是存放金鑰的環境變數名稱，這個變數設在你的環境裡，或 spec.jev 的 .env 裡。

模式：生效、影子、關閉

每個判定點都有一個模式：

active（生效，預設）：判定結果起作用。
shadow（影子）：照常問判定器並記錄判定，但不改變任何東西。
off（關閉）：不問這個判定點。

可以在 spec.jev.json 的 modes 下設定（一個 default，加上每個判定點一項），用 /mu mode 只對一個工作階段設定，或者在桌面版的設定裡設定，那裡處於影子模式的判定點顯示為關閉。有兩樣東西不管模式如何都起作用：你選的權限模式（選「Jev 審批」本身就是對 tool.approval 的同意），以及模型主動呼叫的 judge_items 工具。

比較判定器

把判定點設成影子模式，並把它路由到你想試的判定器；或者讓所有判定點都以影子模式執行。
照常工作一段時間。
讀判定結果：spec.jev ledger [n] 印出最近 n 個工作階段，spec.jev ledger --json 給出每筆紀錄及其機率和耗時，桌面版的「判定」頁顯示每次判定和它的問題。
判定結果看起來對了，就把這個判定點切回生效。

"recordState": true 還會把被判定的狀態存進帳本，訓練或蒸餾你自己的判定器時需要它。預設關閉，因為這些狀態裡有你的內容。