jevbooks

← 全部项目

snifftest

DanRWilloughby/snifftest · 项目主页

散文 linter,用可计数规则和 Jev 标出 AI 写作痕迹。

这是什么

Sniff Test 读取 Markdown 和纯文本,按你的内部规则检查,每个标记打印一行,包含文件、行号、规则和置信度。面向想捕捉 AI 写作痕迹的写作者和团队。

它怎么用 Jev

对于判断规则,它每次向 Jev 发送一个段落以及每条判断规则的措辞,并返回每条规则一个概率。规则达到或超过阈值(默认 0.7)即计为标记。0.4 到 0.6 之间的读数报告为无判断。

用到的原语:choice

值得抄的做法

每次请求发送一个段落及所有判断规则的措辞,并将 0.4–0.6 区间视为无判断。

怎么试

npm install --global snifftest; snifftest check --dry-run draft.md

去 GitHub 看

Jev 判的jev-1.13.0

证据

每一行都是就 README 问 Jev 的一道题。≥ 0.60 算「是」,≤ 0.40 算「否」,中间这一段 Jev 不下判断。

  • Jev 是主角0.61
  • 有 System One 用法0.82
  • 处理了不确定性0.62
  • 有实测数据0.97
  • 可直接跑0.95
  • 值得推荐未判定0.50
  • 是模型的复刻0.10
  • 问题普遍性按 0–2 打分1.11
  • 与 Jev 相关0.84

信号由 Jev jev-1.13.0 判定,简介由 DeepSeek V4.1 Flash 于 2026年9月20日 读 README 写成。