作者与研究智能体共同整理了 Jev-as-a-Judge 教程，用 TypeSafe AI 的决策模型 Jev 评估智能体是否真正完成任务。Jev 会读取用户请求、规则、每次工具调用和结果及最终回复，并对预设问题给出带概率的裁决；退款示例使用 80% 阈值，将高置信结果通过或拒绝，中间区间转人工。