jevbooks

← 全部项目

jevtown

gaborishka/jevtown · 项目主页

一个社交网络,10,000 个 AI 角色对你的文本做出反应。

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)。

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0.96
  • 有 System One 用法0.96
  • 处理了不确定性未判定0.40
  • 有实测数据0.15
  • 可直接跑0.34
  • 值得推荐未判定0.58
  • 是模型的复刻0.05
  • 问题普遍性按 0–2 打分0.47
  • 与 Jev 相关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。