jevbooks

← 全部项目

Ripple

anjfgkfkrh/Ripple

个人新闻聚合器,用 Jev 为股票新闻评分相关性和情感。

打分与排序0.57次选分类: 数据标注与清洗漏斗常开常闭
README 自动摘要

根据 README 自动整理于 2026年10月23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

一个个人应用,自动从 RSS 源和 Finnhub 收集股票相关新闻,然后用 Jev 评估相关性和影响度,并分类为利好/利空/中性,在网页时间线上展示用户持仓和市场主题的结果。

它怎么用 Jev

对于每条文章–股票链接,Jev 在一次请求中被询问相关性和影响度(0–10)以及利好/利空/中性。对于市场主题,询问新闻是否影响整个市场。两项分数均超过阈值(默认 6·6)的文章显示在时间线上;24 小时内相似标题复用之前的评估。

用到的原语:scorechoice

值得抄的做法

将多个判断(相关性、影响度、情感)批量合并为每条文章–股票链接的一次 Jev 请求,并缓存相似标题的评估以减少调用。

怎么试

复制 .env.example 为 .env,填写所需密钥,然后运行 `docker compose up -d --build`。

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-1.14.0
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0.95
  • 展示了 System One 用法未判定0.50
  • 写了怎么处理不确定片段中未检出0.03
  • 给出了实测数字片段中未检出0.03
  • 是能跑起来的工具在材料中检出0.98
  • 学习案例 Top 10 候选信号未判定0.58
  • 是模型本身的复刻片段中未检出0.02
  • 解决的问题够普遍(0–2)按 0–2 打分0.92 / 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0.50写了怎么处理不确定0.03给出了实测数字0.03是能跑起来的工具0.98学习案例 Top 10 候选信号0.58是模型本身的复刻0.0200.51解决的问题够普遍(0–2)0.92 / 2012

无判定区(0.40–0.60)

设计模式
常开常闭0.90漏斗0.88问卷0.46记分卡0.35信号灯0.34恒温器0.28取景框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23日 读 README 写成。