它是什么
一个不会悄悄多给权限的权限申请台。
它做什么： 申请经网页表单、Slack 命令或 API 进入。系统补上目录信息（角色、团队、经理、系统敏感度、现有权限），然后一次 Jev 调用回答关于角色匹配、理由和风险的类型化问题。代码策略把概率变成动作：带到期日自动批准，或者发给负责人，附「批准」和「拒绝」按钮。允许名单、拒绝名单和敏感度上限由代码强制执行。每个决定都写入审计日志，权限到期后自动收回。
为什么收进案例库： 一个清晰的按置信度放行的流程，并且和聊天模型、静态规则矩阵做了三方对比。
注意： 数据是虚构的；开通权限是模拟的；聊天模型的准确率略高。
证据
公开的 MIT 许可仓库；作者用 243 条虚构并已标注的权限申请做评测，在三种后端都能评估的 141 条上比较 Jev、一个 OpenAI 兼容聊天模型和一个「角色→系统」规则矩阵：Jev 自动批准的高风险申请为 0（规则为 5），决策准确率 73.8%（聊天模型 78.7%，规则 76.6%），p50/p95 延迟 230/310 毫秒（聊天模型 1,106/15,858 毫秒），每 1,000 条费用 $0.0436（聊天模型 $0.1394）；模型响应已缓存，评测可离线重放。
注意
- 评测数据和演示公司都是作者虚构的
- 默认的授权适配器是模拟的，不会真正开通任何权限；接入 Okta、AWS IAM 或 Google Workspace 需要用户自己完成
- 在这组数据上，聊天模型基线的准确率略高；Jev 自动处理的申请更少（20.6% 对 25.5%）
非官方案例页。热度用观察到的 stars / 列表位次；热度不是质量 SLA。依赖前请阅读上游 README。