Jev 101
开始指南
搜索
中文 EN
检索 ✦ 69大纲非生产方案——请校准阈值

SQL 之后的自然语言谓词

适用：数据应用。效果：无需 LLM 生成 SQL 的语义过滤

适用人群：数据应用。步骤：SQL 返回行 → 逐行使用 Jev Noul／Choice → 客户端过滤／排序。预期效果：无需 LLM 生成 SQL 即可进行语义过滤。

来源：https://github.com/EugeneBoondock/jevsql ↗ 文档 / 来源 ↗
1

复制提示词（保留英文原文效果最好）。

2

在代码里实现——调用 System One / Jev，由你的程序组合答案。

3

回答它的设置问题——大多数提示词会先采访你，然后进入固定节奏。

提示词

提示词 
# NL predicates after SQL
State: relevant software state for this pattern.
Ask: Choice / Score / Noul questions that close the decision space.
Then: compose the route or action in code; escalate when confidence is low.

需要授权：typesafe-sdk

它是怎么搭起来的

步骤

  1. SQL 返回行。
  2. 逐行使用 Jev Noul／Choice。
  3. 在客户端过滤／排序。

来源

除非你自己测量，否则指标与演示说法均为作者自报或示例手册自报。请在你自己的数据上校准。

为什么它好用

无需 LLM 生成 SQL 即可进行语义过滤

本案例收集自公开的 Jev 社区，版权归原作者所有。提示词属于参考资料：运行前请先审阅内容， 并且不要让机器人超出你实际授予的权限行事。