这是什么
Jevtown 让用户发布文本、商品列表、产品或标题,并在几秒内观察一个由 10,000 个 AI 角色组成的模拟小镇做出反应——大多数人划过,一些人点赞、转发、屏蔽、联系卖家或购买。
它怎么用 Jev
Jev 用概率回答类型化问题,不生成文本。一次请求会问 60 个 Score 问题(关于谁会关心)以及七个 Noul 审核检查(0.5 使文本不进入公共信息流,0.85 屏蔽它)。随后批量 Choice 问题以 600、1,500 和 3,000 的波次返回每个角色的反应;只有当高兴的反应比遗憾的反应多出至少 0.1 个波次时,代码才会将文本发送到下一波。
用到的原语:choicescorenoul
值得抄的做法
基于波次的受众模拟:仅当高兴的反应比遗憾的反应多出固定边际时,才将文本传播到下一波角色。
怎么试
npm install,cp .env.example .env.local,粘贴 Jev 密钥,npm run dev(http://localhost:5191)。
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 是主角是0.96
- 有 System One 用法是0.96
- 处理了不确定性未判定0.40
- 有实测数据否0.15
- 可直接跑否0.34
- 值得推荐未判定0.58
- 是模型的复刻否0.05
- 问题普遍性按 0–2 打分0.47
- 与 Jev 相关是0.97
信号由 Jev jev-1.13.0 判定,简介由 DeepSeek V4.1 Flash 于 2026年9月22日 读 README 写成。