jevbooks

← 全部项目

worth-applying

akhil-neelam-ai/worth-applying · 项目主页

通过决策模型为职位匹配度打分的Chrome扩展。

打分与排序1.00次选分类: 分类与路由问卷记分卡
README 自动摘要

根据 README 自动整理于 2026年10月16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,在申请前评估职位发布与您简历的匹配程度。它读取职位描述,连同简历发送给决策模型,并显示匹配分数、建议和评分卡。

它怎么用 Jev

点击图标时,将职位描述和简历发送给Jev。一次请求提出九个类型化问题:匹配度(0-4分)、六个评分卡维度(弱/中/强)、原因(选择)和签证赞助概率。弹出窗口将答案转换为1-10分、建议、评分卡、最强因素和签证可能性。

用到的原语:choicescorenoul

值得抄的做法

根据参考评分标准校准决策模型的输出,生成综合匹配分数。

怎么试

从Chrome网上应用店安装,添加TypeSafe API密钥和简历,然后在职位发布上点击扩展图标。

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 是项目的核心片段中未检出0.21
  • 展示了 System One 用法片段中未检出0.22
  • 写了怎么处理不确定片段中未检出0.03
  • 给出了实测数字在材料中检出0.89
  • 是能跑起来的工具在材料中检出0.96
  • 学习案例 Top 10 候选信号片段中未检出0.08
  • 是模型本身的复刻片段中未检出0.27
  • 解决的问题够普遍(0–2)按 0–2 打分1.02 / 2
  • 与 Jev 相关在材料中检出0.96
信号
Jev 是项目的核心0.21展示了 System One 用法0.22写了怎么处理不确定0.03给出了实测数字0.89是能跑起来的工具0.96学习案例 Top 10 候选信号0.08是模型本身的复刻0.2700.51解决的问题够普遍(0–2)1.02 / 2012

无判定区(0.40–0.60)

设计模式
问卷0.95记分卡0.87体检0.61题库0.51信号灯0.4900.51

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16日 读 README 写成。