类型化语义决策减少模型错误，但不消除它。契约让失败模式显式、可度量，但分布仍是预测——一个工程良好的执行框架，在全新输入上依然可能自信地出错。
Jev 工程不会让模型本身变得更诚实或更安全。它做到的是：让不确定性可读、把它路由给合适的处理者、记录发生过什么以便系统改进。
这套纪律也有成本：契约设计、fixture 维护、校准基础设施。对低风险的一次性任务，直接提示就够了。本手册的方法在决策重复发生、有后果、被审计时才回本。
校准曲线以工作负载为条件。用户群会迁移、对抗者会适应、来源文档的含义会变化。一个季度校准良好的契约，下个季度可能在没有任何代码变更的情况下变得过度自信。
持续再校准需要标注，标注需要人的注意力。开放问题是：系统能多便宜地维持可信校准——一致性信号、工具结果、用户改判这些自监督信号，能在多大程度上替代黄金标注。
状态包由代码构建，但内容常是语义的：摘要、抽取的论断、转述的证据。上游抽取的错误会以「事实」的身份传进下游决策。
来源元数据有帮助——带出处的「事实」可以重新核验——但在长智能体运行中做完整的溯源跟踪仍是重工程。多少溯源才算够，是个开放问题。
黄金集编码的是我们已经知道要问的东西。对抗性措辞、新选项组合、跨语言边界情况总是先出现在生产环境。影子流量有帮助，但罕见的高后果分支按定义就采样稀薄。
契约之间的对比（v3 vs v4）是直截了当的；系统之间的对比（不同框架、不同模型族）缺乏标准指标。这个领域需要的是「决策质量」的共享评估协议，而不只是「答案正确率」。
契约能否从回执与改判日志中自动合成或修复？早期工具已能提议 schema 修改，但语义评审仍需要人类判断——这是一个该领域尚未解决的无穷回归。
类型化决策能否组合？Choice → Noul → Choice 的流水线有逐节点保证，但整条路径的置信度语义尚未被很好理解。校准语义决策的组合规则，仍是一片开放的研究区域。
从一个重复发生、有后果的决策开始。写下契约：带可操作定义的状态字段、可区分且带逃逸出口的选项、后果等级、阈值、允许动作。第一天就版本化。
在加自动化之前先加回执。影子模式跑到有足够流量估计校准为止。只自动化「低后果 × 高置信」的分支。保持改进回路：每次人工改判都变成一个 fixture。
按模式扩展：分诊用 router-only，多步工作用 planner/executor，只有当切片被证明不相交时才上 swarm。每次扩展都是一次发布——带黄金集、金丝雀与回滚条件。
contract → shadow → calibrate → automate → audit
模型会持续变强，原始能力会以让老手也意外的方式跃迁。但系统的可靠性从来不只是模型能力的乘积——它是模型周围那层工程的乘积。
类型化语义决策给了这层工程一个持久的表面：可评审的契约、可版本化的状态、可校准的置信度、可审计的回执、可测试的恢复。把这个表面建好，换模型就是一次实验，而不是一次重写。这就是 Jev 工程的实用承诺：不是永不失败的模型，而是以清晰、可度量、从容的方式处理失败的系统。