jevbooks

← 全部项目

Jev-Examiner

JularDepick/Jev-Examiner · 项目主页

由 TypeSafe/Jev 驱动的分层 AI 内容审核工作流。

内容审核1.00次选分类: 分类与路由问卷记分卡
README 自动摘要

根据 README 自动整理于 2026年9月20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

面向开发者和运营人员的通用 AI 内容审核工作流。它把宽泛的违规判断拆解为原子问题,按权重合并分数,并将内容路由为通过、人工复核或拦截。

它怎么用 Jev

Jev 回答关于内容是否违反各独立维度的类型化问题。引擎在一次并行请求中评估类别、严重程度和违规维度,将每个维度归一化为 0-1 的违规倾向,按可调权重合并,并结合综合分数与模型置信度进行路由。

用到的原语:choicescore

值得抄的做法

把一次宽泛的审核判断拆解为独立的原子问题,再在代码中按权重合并分数。

怎么试

cd src/api && npm start,然后向 http://localhost:8080/audit POST content 和 preset。

去 GitHub 看

开始使用 Jev:API key 与第一个请求 →

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0.91
  • 展示了 System One 用法在材料中检出0.95
  • 写了怎么处理不确定片段中未检出0.11
  • 给出了实测数字片段中未检出0.06
  • 是能跑起来的工具在材料中检出0.62
  • 学习案例 Top 10 候选信号未判定0.42
  • 是模型本身的复刻片段中未检出0.05
  • 解决的问题够普遍(0–2)按 0–2 打分1.93 / 2
  • 与 Jev 相关在材料中检出0.98
信号
Jev 是项目的核心0.91展示了 System One 用法0.95写了怎么处理不确定0.11给出了实测数字0.06是能跑起来的工具0.62学习案例 Top 10 候选信号0.42是模型本身的复刻0.0500.51解决的问题够普遍(0–2)1.93 / 2012

无判定区(0.40–0.60)

设计模式
记分卡0.98问卷0.97漏斗0.64信号灯0.63题库0.2100.51

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20日 读 README 写成。