Jev-as-a-Judge：用 Jev 进行 AI 智能体评测的教程

Jev 是专为评判模型输出而构建的新模型，Jev-as-a-Judge 指用 Jev 作为评判 LLM，对 AI 智能体进行评测。它会读取请求、每次工具调用及其结果和最终回复，返回带概率的结论，从而识别智能体“说得对但实际执行失败”的情况。该教程通过一个退款示例和在线 playground 演示这一方法，完整实验可搭建整套评测工作流。