README 自动摘要
根据 README 自动整理于 2026年10月7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
一个 Chrome 扩展和 Node CLI，根据简历为任意职位发布打分，显示匹配分数、置信度、最强因素以及美国签证赞助可能性。面向希望快速筛选、避免逐职位 LLM token 成本的求职者。
它怎么用 Jev
一次请求向 Jev 提出三个基于相同简历和职位文本的类型化问题：fit（0–4 分）、why（Choice）和 visa（Probability，可选）。扩展将 fit 分数乘以 2.5 以显示 0–10 分；CLI 输出原始答案或 JSON。
用到的原语:scorechoicenoul
值得抄的做法
对同一状态向模型提出多个类型化问题，以获得校准概率而非生成文本。
怎么试
在 Chrome 中加载解压的扩展，或运行：node cli.js --resume resume.txt --job job.txt --company Stripe
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 用法片段中未检出0.19
- 写了怎么处理不确定片段中未检出0.04
- 给出了实测数字片段中未检出0.08
- 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0.28
- 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1.00 / 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7日 读 README 写成。