Jeff v1.2 发布小型决策模型与九个 LoRA 适配器

Jeff v1.2 已作为社区预览发布，提供九个 LoRA 适配器，分别面向工具选择、提示注入识别和回答依据检查等任务。项目同时发布了 Python 和 TypeScript 客户端以及多适配器服务。该模型通过一次前向计算返回选项概率，输出为离散分类结果，而非生成式文本。

工程定位上，Jeff 是单一决策组件，不负责多步规划。集成方不能把它当作链式推理或规划引擎，需要在其之前或之后自行编排控制流。在常见 agent 流程中，它适合充当动作选择器或安全过滤器，但不应依赖它完成带状态的任务分解。

适配器的维护成本需要提前评估。v1.2 适配器与对应基座版本强绑定，后续基座升级会要求重新训练适配器；如果计划频繁更新底模，需要考虑训练流水线和数据准备成本。官方建议在真实集成环境中独立验证分类效果，尤其是提示注入识别和回答依据检查，不能直接采信社区预览结果。

多适配器服务支持在同一部署中提供多个决策能力，但会带来请求路由、资源隔离和吞吐量方面的运维复杂度。目前项目尚未披露模型规模、上下文长度、许可证类型和性能数据，也没有常见框架的集成示例，生产接入前这些信息仍需进一步确认。