README 自动摘要
根据 README 自动整理于 2026年10月19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
一个面向研究者的 Python 工具，用于筛选和分类视频平台账号（抖音、快手、YouTube、Bilibili），基于标题、缩略图与账号元数据寻找手语、新闻、乐器演奏、美妆等特定领域的内容来源。
它怎么用 Jev
Jev 先用 Noul 对首页视频标题排序，选出 Top-N 缩略图，再用独立的账号类别 Choice 结合账号元数据判断账号类别。结果形成可复核的采集来源列表；证据与筛选规则分开存储。
用到的原语:noulchoice
值得抄的做法
仅凭标题、缩略图和账号元数据筛选账号，无需下载或观看完整视频。
怎么试
环境配置见 docs/installation.md，命令见 docs/commands.md。
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0.92
- 展示了 System One 用法未判定0.49
- 写了怎么处理不确定片段中未检出0.06
- 给出了实测数字在材料中检出0.93
- 是能跑起来的工具在材料中检出0.71
- 学习案例 Top 10 候选信号片段中未检出0.38
- 是模型本身的复刻片段中未检出0.07
- 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0.97
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19日 读 README 写成。