假如你开网店，每天几百条客户留言涌进来：谁要退款、谁的账号出问题了、谁在威胁差评。每条都要人看人分派，累；让 AI 大模型来分，一条几秒钟、按量收费，一个月账单不便宜——而且它有时候还会"编"。这个两头堵的麻烦，GitHub 上有个 3.3 万星的新项目，给出了第三种做法。
先说它凭什么上榜：Laya 是 2026 年 9 月 18 日建的仓库，不到一个月拿下 3.3 万颗星，排 GitHub 近 30 天新建仓库总星榜第 2 名。开源，Apache-2.0 许可，免费用。
它是干什么的？据项目 GitHub 页介绍，Laya 是一个"决策引擎"：给它一段文字（客户留言、邮件、工单、任意文档），它回答你预先设定好的问题——从几个选项里挑一个（这单该给账务部还是技术部）、打个分（这事有多急）、回答是与否（这个人是不是在威胁要走）。官方 README 给的数字：单个判断 33 毫秒，批量做平均每个 7.2 毫秒，支持 100 多种语言。
关键差别在于它的工作方式。大模型（比如 ChatGPT 那类）回答问题是一个字一个字往外蹦的，行话叫"生成"，所以慢、贵，还会生成出不存在的内容——就是"幻觉"，AI 一本正经地编瞎话。Laya 不生成任何文字，它对文本直接算出答案，一次算完，33 毫秒。没有文字生成，也就没有幻觉，没有解析失败，用官方的对比图看，在公开数据集上的准确率、速度、稳定性各项指标都有得比：
官方基准图：Laya 与同类模型在准确率、速度、语言覆盖、校准等维度的对比（图源：项目官方 README）
功能官方 README 列得相当全，挑重点说：内置一个路由器，会按你输入的语言自动挑合适的模型，英语走英语版，中文等一百多种语言走多语言版；长文档模式能读 8000 多个词元，官方给的长文档测试图在这——
官方测试图：长文档场景下，文本放在前部约 4000 词元以内时 20 次能对 16 到 18 次（图源：项目官方 README）
它还能在自己业务的数据上微调（官方数字：微调后准确率从 0.362 提到 0.766），附带 HTTP 服务器、MCP 服务器和 LangChain 等主流 AI 框架的现成集成；除了 Python 还有 Node.js 版。
想装它，路径很清楚：电脑上有 Python（一种编程运行环境）的话，一行命令 python -m pip install laya，要求 Python 3.10 以上。更省心的方式照旧——把项目 README 整页复制给 AI 助手，让它带你装、带你写第一个判断脚本；用 Claude Code、Cursor 这类编程 AI 的，直接说"帮我装 Laya 并写一个把客户留言分类的脚本"，它从头包到尾。装好之后，Laya 自带 MCP 服务器，可以把"判断能力"接到你的 AI 助手上——让大模型负责写和聊，让 Laya 负责快判断，各干各的强项。
它不是给纯小白的玩具，但你不用会写代码也能让 AI 帮你把它用起来。判断类的活值多少钱，你的账单最清楚。我先看明白了，你跟上。