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
Jevatar 是一个 React + Vite + Bun 网页应用：你向 blob 伙伴打字，它只用表情回应，从不回文字。Jev 从 16 种情绪中选一个，blobatar 负责把脸画出来并做动画。
它怎么用 Jev
每条消息到达时，Bun 服务端的 POST /api/react 调用 Jev，结合内存中最近几轮对话判断用户文本，从 16 个表情选项中选一个。低置信度兜底 `unsure`，异常兜底 `sick`；选中的表情 key 驱动 blobatar。
用到的原语:choice
值得抄的做法
在固定表情集合上做类型化选择，并显式设置低置信度与异常兜底，密钥只留在服务端。
怎么试
在 .env 填入 TYPESAFE_API_KEY，然后运行 `bun install` 和 `bun run dev`。
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 用法片段中未检出0.13
- 写了怎么处理不确定片段中未检出0.02
- 给出了实测数字片段中未检出0.02
- 是能跑起来的工具在材料中检出0.87
- 学习案例 Top 10 候选信号片段中未检出0.23
- 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0.02 / 2
- 与 Jev 相关在材料中检出0.99
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23日 读 README 写成。