jevbooks

← 全部项目

scamcheck

AkashNaickar/scamcheck

粘贴可疑消息,获取诈骗判定与风险评分。

内容审核0.70次选分类: 分类与路由问卷漏斗常开常闭
README 自动摘要

根据 README 自动整理于 2026年10月1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

ScamCheck 是一个 Web 应用、HTTP API 和 MV3 浏览器扩展,用于分析可疑短信、邮件、私信或商品信息,返回诈骗判定、0–100 风险评分、通俗原因和后续建议。

它怎么用 Jev

一次 Jev systemOne 调用针对清洗后的消息回答约 11 个类型化问题(noul、choice、score)。Jev 的 is_scam 概率和答案决定判定区间、风险评分、原因代码和模板选取的建议;确定性的 URL 与 PII 检查只能提高风险。

用到的原语:choicescorenoul

值得抄的做法

每次检查只调用一次模型;模型从不生成文本——所有文字来自以 Jev 类型化答案为键的模板。

怎么试

npm install,在 .env 中设置 TYPESAFE_API_KEY,npm run dev,然后 POST 到 /api/check。

去 GitHub 看

开始使用 Jev:API key 与第一个请求 →

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-1.13.0
项目信号
jev-1.13.0
项目分类
jev-1.13.0
模式标签
jev-1.13.0

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0.95
  • 展示了 System One 用法在材料中检出0.94
  • 写了怎么处理不确定片段中未检出0.05
  • 给出了实测数字片段中未检出0.14
  • 是能跑起来的工具在材料中检出0.96
  • 学习案例 Top 10 候选信号未判定0.53
  • 是模型本身的复刻片段中未检出0.03
  • 解决的问题够普遍(0–2)按 0–2 打分1.55 / 2
  • 与 Jev 相关在材料中检出0.98
信号
Jev 是项目的核心0.95展示了 System One 用法0.94写了怎么处理不确定0.05给出了实测数字0.14是能跑起来的工具0.96学习案例 Top 10 候选信号0.53是模型本身的复刻0.0300.51解决的问题够普遍(0–2)1.55 / 2012

无判定区(0.40–0.60)

设计模式
问卷0.94漏斗0.90常开常闭0.84信号灯0.57体检0.49记分卡0.38黑匣子0.28题库0.2100.51

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1日 读 README 写成。