README 自动摘要
根据 README 自动整理于 2026年10月27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 Python 工具，用于分拣 Gmail 收件箱：读取新收件邮件，向 Jev 询问带校准置信度的类别，再按可配置策略打标签、归档、退订或标记垃圾邮件，并把一切记录到数据库。
它怎么用 Jev
对每封新收件邮件，Jev 收到相关邮件头、正文开头、previous_contact 以及钓鱼信号（reply_without_thread、calendar_subject_without_invite、link_domains、sender_auth）。它返回类别及概率、"是否需要回复"和标签；策略据此映射为标签、归档、退订或垃圾邮件操作。
用到的原语:choicescore
值得抄的做法
来自纠正和多次高置信度回答的发件人规则，对归档/垃圾类别跳过 Jev；白名单和保留类规则的发件人仍会询问 Jev 回复与标签。
怎么试
先用 MODE=dry_run 或 label 运行一两周，再切换到 act。
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-1.14.0- 项目信号
jev-1.14.0- 项目分类
jev-1.14.0- 模式标签
jev-1.14.0
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0.94
- 展示了 System One 用法在材料中检出0.89
- 写了怎么处理不确定片段中未检出0.07
- 给出了实测数字片段中未检出0.03
- 是能跑起来的工具在材料中检出0.83
- 学习案例 Top 10 候选信号未判定0.46
- 是模型本身的复刻片段中未检出0.03
- 解决的问题够普遍（0–2）按 0–2 打分1.20 / 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27日 读 README 写成。