README 自动摘要
根据 README 自动整理于 2026年10月27日，不是本站运行记录。运行步骤和作者声称的效果仍需核验。
这是什么
Tidy 是一个用于清理 Gmail 收件箱和 YouTube 订阅的 Python 命令行工具。Jev 读取每封邮件或每个频道并返回类型化判定；经过测试的代码决定该判定可以做什么，有风险的操作会等待你批准。
它怎么用 Jev
Jev 根据主题、发件人、正文前 1,000 个字符和两个是/否事实，将每封邮件归入 Needs Reply、Action Needed、Updates、Promos、Sales 或 Spam 等类别；并根据相关性、价值和观看可能性评判每个 YouTube 频道。判定结果交给普通代码生成操作建议；自动归档需要第二个由代码拥有的信号，Trash/Spam/退订则等待你处理。
用到的原语:choicescore
值得抄的做法
把模型当作类型化裁判：它只返回判定，而普通代码负责限制、第二信号和审批关卡。
怎么试
pipx install tidy-ai；tidy init --email you@gmail.com --client-secrets <json> --key-stdin；tidy doctor
README 片段的模型判断
项目信号使用仓库元信息、已有摘要与 README 前 700 个字符；没有通读完整项目。“未检出”仅表示这些材料中未检出，并不证明项目没有该能力。这里保留原始判断与实际记录的模型、日期，不是源码审计或运行验收。
模型与判定日期
- 收录门禁
jev-1.14.0- 项目信号
jev-1.14.0- 项目分类
jev-1.14.0- 模式标签
jev-1.14.0
证据
这些信号只读取仓库元信息、已有摘要与清理后的 README 前 700 字符。≥ 0.60 表示片段中有提及，≤ 0.40 表示未检出，中间为未判定；都不是源码审查或运行结果。「可运行工具」题排除了研究实验，「推荐」题筛的是学习案例 Top 10，不是内容质量合格与否。
- Jev 是项目的核心在材料中检出0.93
- 展示了 System One 用法在材料中检出0.75
- 写了怎么处理不确定片段中未检出0.06
- 给出了实测数字片段中未检出0.07
- 是能跑起来的工具在材料中检出0.98
- 学习案例 Top 10 候选信号片段中未检出0.21
- 是模型本身的复刻片段中未检出0.04
- 解决的问题够普遍（0–2）按 0–2 打分1.36 / 2
- 与 Jev 相关在材料中检出0.98
无判定区（0.40–0.60）
无判定区（0.40–0.60）
各阶段的 Jev 模型与判定日期见上方记录。简介由 DeepSeek V4.1 Flash 于 2026年10月27日 读 README 写成。