README 自动摘要
根据 README 自动整理于 2026年9月22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
一个可直接使用的 Node.js 库，用于筛查用户生成文本中的脏话和毒性内容，支持英语和印度语言，包括罗马化、代码混合、leet 语和字符间隔等规避手段。
它怎么用 Jev
Jev 是默认的 System 1 模型。它根据输入文本返回毒性、脏话、严重程度、语言和混淆类型的校准概率。随后库应用确定性策略阈值，生成 ALLOW、SUSPICIOUS_REVIEW、AUTO_CENSOR 或 AUTO_BAN 操作。
用到的原语:choicescore
值得抄的做法
使用 System 1 分类器获取校准概率，再通过客户端确定性策略阈值决定审核操作。
怎么试
npm install gg-friggin-ez，设置 OPENROUTER_API_KEY，然后调用 isProfane() 或 screen()。
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 是项目的核心片段中未检出0.33
- 展示了 System One 用法片段中未检出0.13
- 写了怎么处理不确定片段中未检出0.06
- 给出了实测数字未判定0.58
- 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0.23
- 是模型本身的复刻片段中未检出0.13
- 解决的问题够普遍（0–2）按 0–2 打分1.90 / 2
- 与 Jev 相关在材料中检出0.86
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9月22日 读 README 写成。