JEV 理解语义。
PostgreSQL 精确执行。

三种能力，各有分工。

互不依赖的语义任务在配置的限额内并发执行，共享上下文的问题可以批量评估。判断阈值改变时，兼容的观测结果可以复用；跳过的任务不会被当作否定答案。

实现说明：自然语言查询 · 算子参考 · 原生阶段计划

可以复现的查询。

“按供应商汇总交付数量，从大到小排序。”项目的交付数据教程记录了以下生成查询：

SELECT
  SUM("r0"."quantity") AS "result_1",
  "r0"."supplier" AS "result_2"
FROM "deliveries" AS "r0"
GROUP BY "r0"."supplier"
ORDER BY SUM("r0"."quantity") DESC NULLS LAST;

在教程数据上，结果为 Birch：36、Aster：30、Cedar：8。总量由 SQL 聚合计算。这是具体示例结果，并不代表任意自然语言问题都能被正确理解。

运行教程并检查数据 · 查看记录的查询与结果

以 JEV 为核心的 PostgreSQL 原生框架。

原生开发预览将 Rust 语义算子放在 PostgreSQL 17 内执行。相互独立的 JEV 阶段可以并行运行，有依赖的阶段则等待所需证据。关系关联与聚合由 PostgreSQL 完成，语义问题交由模型评估。

框架保留兼容的答案概率，在判断阈值变化时复用证据。可解释嵌入使用具名问题及其答案分布，使每个坐标都有明确含义。正式工作台与原生预览各有独立的部署路径。

原生安装 · 并行原生计划 · 可解释嵌入

每个坐标都有明确含义。

开发版本中的 jev_native.embed 用同一组问题评估每条记录。问题可以使用真假答案、具名类别或评分等级。每个答案都会保留，因此一条记录产生一个“问题 × 答案”概率矩阵和展开后的向量。

展开向量为 [0.20, 0.80, 0.70, 0.30]。这些数值仅解释表示方式，并非测得的模型置信度。一组定义可包含 1–32 个独立问题。未评估的项目保持 null 和 NOT_EVALUATED 状态，不会变成零概率。

jev_native.embedding_distance 比较具有相同问题定义、坐标和评估器身份的完整嵌入。它计算各问题 Hellinger 距离的均方根，无需再次调用模型。检索质量取决于问题设计和模型提供方；项目不宣称它普遍优于稠密向量检索。

嵌入接口与限制 · 可运行的嵌入 SQL

把不同证据组合起来。

以下为应用设计示例，并非已部署客户案例。请使用自己数据中的结构关系、领域定义和明确的审核策略。

应用集成 · 文本提取与审核 · 依赖与并行阶段

选择 jev4pg 前，先了解这些。

相关研究：语义查询与 AI 数据系统。

以下论文为语言模型与关系查询的结合提供研究背景。它们介绍的是其他系统，论文中的结果并非 jev4pg 的性能评测。

jev4pg 当前文档中的重点是 JEV 类型化判断、证据复用，以及 PostgreSQL 原生开发路径。已实现行为请查看项目的算子参考与原生计划文档。

了解 JEV 与 PostgreSQL 生态。

以下独立维护的项目提供了使用类型化判断与 PostgreSQL 的其他方式：

• TypeSafe JEV 文档介绍模型提供方的问题类型与 API，适合在设计判断接口时参考。
• pg-jev通过 PostgreSQL 扩展提供语义条件、概率、类别选择与评分函数。
• jevQL提供 CLI 与 SDK，在普通 PostgreSQL 之外执行语义调用，无需安装数据库扩展。

jev4pg 将自然语言查询工作台、语义算子、可复用证据与原生开发预览组合起来。选择时可以比较判断执行的位置、部署要求，以及需要检查和保留的证据。

选择部署路径。

固定部署请使用发布标签。体验原生开发版本前，请先检查兼容性和模型提供方要求。