README 自动摘要
根据 README 自动整理于 2026年10月11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
一个本地工具，以你本人的身份登录 Telegram（MTProto 用户客户端），实时判读对方消息和你的草稿，适合想在发出前知道这条会怎么被接收的人。
它怎么用 Jev
Jev 只返回结构化判断，不生成文本。它给每条对方消息打情绪/意图/语气/事件分，在对方打字时预热会话级好感与关系阶段，给我方已发消息评级，并在发送前给草稿打分（质量、情绪贴合、5 项命中、时机）。
用到的原语:choicescorenoul
值得抄的做法
既然 Jev 不能生成文本，就把设计反过来：你自己写草稿，Jev 在发出去之前判你。
怎么试
npm install；cp .env.example .env；填好密钥；npm run login；npm start
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0.96
- 展示了 System One 用法在材料中检出0.65
- 写了怎么处理不确定片段中未检出0.05
- 给出了实测数字在材料中检出0.78
- 是能跑起来的工具在材料中检出0.82
- 学习案例 Top 10 候选信号在材料中检出0.72
- 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0.96 / 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11日 读 README 写成。