Jev Search – 基于决策模型的开源搜索流水线

Jev Search 是一套开源搜索处理流水线，依托 Jev 决策模型与 Search1API 构建。项目不产出 AI 生成文本，把搜索链路中的源选择、查询改写、结果重排交给决策模型完成。接收自然语言查询后，系统完成信息源筛选、检索时间范围划定，并行调用多个外部搜索接口获取原始素材，再对返回内容做相关性打分与排序输出。整套工具支持网页演示页面直接体验，也提供完整源码供开发者二次部署与改造，为搜索链路引入轻量化决策能力，改变传统检索依赖文本生成模型做结果处理的实现思路。

Jev Search特点

整套流程放弃大模型文本生成环节，全部判断任务交由 Jev 决策模型执行。

支持多类信息源接入，通用搜索引擎、技术社区、论文站点都纳入可选调用列表。

检索结果以流式形式输出，不用等待全部数据源返回完成即可展示内容。

决策环节采用并行推理机制，新增判断任务不会带来明显时延上涨。

提供网页演示实例与本地部署两种运行模式，可嵌入 Agent 项目内部作为搜索子模块运行。

输出内容不存在模型虚构文本，所有展示条目均来自外部检索源抓取到的真实内容。

Jev Search技术原理

用户输入的原始查询送入系统，Jev 模型针对查询完成结构化解析，输出适配检索场景的派生查询语句、候选数据源集合、时间过滤区间。

多搜索接口同步发起网络请求，批量拉取网页摘要、社区帖子、论文片段等原始检索素材。

全部候选结果送入决策模型，执行相关性打分，每一条素材得到对应分数。

系统依据分数完成重排，过滤低分条目，整理成有序结果集推送至前端。

业务逻辑与决策逻辑相互分离，检索、网络请求由普通代码负责，判断打分交由 Jev 完成，两层模块通过结构化数据交互传递参数。

Jev Search功能

接收自然语言问句自动完成检索源挑选，不用人工指定搜索站点。对原始查询做改写优化，生成适配不同数据源的检索语句。

批量拉取多平台搜索结果，交由决策模型完成相关性打分重排。

流式返回检索条目，控制结果输出节奏。提供网页演示界面，普通用户直接输入问题获取整理后的搜索列表。

开放源码允许开发者修改数据源配置，调整打分规则。

输出结构化结果数据，便于其他程序读取调用，接入上层业务系统。

Jev Search应用场景

开发人员搭建自有聚合搜索服务，替换传统基于 LLM 做结果处理的实现方案。

智能 Agent 项目补齐外部信息获取能力，获取互联网真实资料。

技术研究者查询社区讨论、最新论文资料，收集网络公开观点。

工具厂商构建内部检索工具，降低搜索链路的运行开销。

个人开发者部署私有搜索实例，自定义可访问的信息来源范围。

Jev Search如何使用

访问 jev.s1.dev 网页演示页面，直接在输入框提交查询语句，系统自动执行整套检索流程，页面展示重排完成的搜索条目。

开发者部署环节，克隆项目源码，完成 Node 运行环境配置，填入 TypeSafe API 密钥。

修改配置文件调整启用的搜索源，设置时间范围、返回条目数量等参数。

本地启动项目，访问本地服务地址进行测试。

业务集成时读取接口返回的结构化 JSON 数据，在自有程序内完成结果渲染。

调整项目内部决策配置，修改打分标准适配自身业务需求，完成后重新启动服务加载变更。

Jev Search同类产品对比

表格