jevals

每条 trace 一次请求，几分钱延迟低到能进 Agent 循环

jevals 是一个面向 AI Agent 的评测与护栏（guardrails）工具，核心思路是把每一次 Agent 调用建模为一次 Jev 决策：每个 trace 只发一个请求，成本约几分之一美分，延迟低到能塞进 Agent 主循环里实时运行。它解决的是传统评测框架太重、太慢、太贵的问题——RAGAS 等方案通常需要批量离线跑，无法在 Agent 每一步动作前后做即时判断。jevals 支持本地运行，可搭配 Kev 或 Laya 使用，技术栈为 Python，标签覆盖 agents、evals、guardrails、LLM evaluation 与类型安全。典型用途包括：在 Agent 输出前拦截不安全内容、对工具调用结果做质量打分、对 RAG 检索片段做相关性判定，以及持续监控线上 Agent 行为。因为单 trace 单请求的设计，它既能当评测器也能当运行时护栏，适合需要低延迟、低成本、可嵌入循环的 Agent 工程团队。