HelpMe JEV JEV 的题型、候选排序与上下文预算
noul/choice/score 的协议、三候选排序、翻译与上下文预算，以及概率未校准的边界。
JEV 的客户端只发一种结构：{state, model, questions}。questions 只接受 noul、choice、score 三类（app/clients/jev_client.py:call_systemone）。choice 最多 255 个选项，score 2–10 个等级，noul 带 criteria.true/false；app/scenarios/builders.py 会加 BACKGROUND_NOTE。返回后 _present 把 noul >= 0.5 当 yes，score 四舍五入，choice 按概率排序。协议不匹配（缺 answers、非 JSON）直接 502，不猜。
翻译
app/clients/translation.py:annotate() 只在文本含非 ASCII 时触发，要求 LLM 返回 {"lines":[{id,text}]}；任何一个 id 缺失，整个分析 502。decide_service 的桥更严格，只要 question/context/options，两次尝试，检查选项数和空值。超时 45s JEV / 60s LLM / 75s vision；重试 3 次，退避 0.4/0.8s，Retry-After 最多 8s。
候选和上下文
候选回复固定 3 条（reply_service._RANK_KEYS = reply_a/b/c），虽然 Scenario.rank_min=3、rank_max=5，但后者没被读取。排序问 JEV 一个 choice 问题，把 probabilities 换成百分比；并列保持原顺序。翻译或 JEV 失败时 ranked=False，所有百分比为 0，但草稿仍然返回。JEV 健康检查是 5 个固定 smoke case，阈值 80，低于阈值 UI 只允许 3 条排序。
上下文有独立预算：分析取最近 10 条消息（RECENT_MESSAGE_LIMIT）；背景默认 JEV_STATE_BUDGET_CHARS=5000（硬上限 60000）；persona 行 1000 字符、最多 6 个 trait；memory 行 240 字符；积压 20 条才总结，摘要最多 500 字符。记忆 reflection 最多 12 个变更、30 条消息；UPDATE/INVALIDATE 对 source="qa" 会跳过；confidence 固定 0.6；revert() 只能回退最新一个未回退的 reflection。
数据和图片
图片限 4MiB、每消息 9 张，不做 OCR，原始字节转 data URL 交给 supports_vision 的 LLM，描述最多 3 句；SQLite WAL，busy_timeout=5000，所有查询带 owner_user_id；provider key 是 hmj1 HKDF/AES-GCM envelope；保留 15 天，session 8 小时，call log body 64KiB。trace ID 用 ContextVar + before_flush 镜像到 ActivityLog。
这些概率是模型原样输出，不是校准过的偏好；noul 的 0.5 和 choice 的百分比都只是决策输入。要做可靠的概率，需要按用户/模型测可靠性，现在没有。