README 自动摘要
根据 README 自动整理于 2026年10月1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 calibre 插件，使用 TypeSafe AI JEV 为图书建议主题和类型标签。它保留现有标签，并允许用户在应用前审核建议，适用于单本书、选定书籍或整个书库。
它怎么用 Jev
Jev 独立评估每个配置的标签类别，并检查证据是否充分。它以图书元数据（标题、作者、描述、语言、系列）和可选的 EPUB 摘录作为状态，返回每个类别的概率。结果用于建议标签，阈值决定是否自动就绪。
用到的原语:choicescore
值得抄的做法
使用每个类别的阈值和接近度余量来决定建议是否足够自信以自动应用。
怎么试
在 calibre 中安装插件 ZIP，在设置中输入 TypeSafe AI API 密钥，然后使用分类当前书籍、选定书籍或整个书库。
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0.71
- 展示了 System One 用法片段中未检出0.27
- 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0.10
- 是能跑起来的工具在材料中检出0.97
- 学习案例 Top 10 候选信号片段中未检出0.35
- 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1.00 / 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1日 读 README 写成。