jevbooks

← 全部项目

betterx

kalowery/betterx

用 Jev 对 X 和 Facebook 帖子分类,并按规则标记、模糊或隐藏。

内容审核0.83次选分类: 分类与路由取景框问卷信号灯
README 自动摘要

根据 README 自动整理于 2026年10月8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 Chrome/Brave 扩展,读取 X 和 Facebook 上的帖子、回复和评论,用 TypeSafe 的 Jev 分类,并按用户规则标记、变暗、模糊或隐藏。

它怎么用 Jev

对每个帖子,Jev 在一次请求中回答八个问题:语气、帖子类型、论证质量,以及种族主义、对国籍/移民的蔑视、反犹、色情、愤怒诱饵的可能性。结果驱动规则来标记、变暗、模糊或隐藏内容。

用到的原语:choicescore

值得抄的做法

将八个类型化问题批量放入每个帖子的低延迟请求,然后缓存结果并应用用户定义的阈值。

怎么试

克隆仓库,在 chrome://extensions 中加载已解压的扩展,在设置中粘贴 TypeSafe API 密钥,重新加载 X/Facebook 标签页。

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0.93
  • 展示了 System One 用法在材料中检出0.93
  • 写了怎么处理不确定片段中未检出0.07
  • 给出了实测数字未判定0.43
  • 是能跑起来的工具在材料中检出0.98
  • 学习案例 Top 10 候选信号片段中未检出0.39
  • 是模型本身的复刻片段中未检出0.04
  • 解决的问题够普遍(0–2)按 0–2 打分1.37 / 2
  • 与 Jev 相关在材料中检出0.97
信号
Jev 是项目的核心0.93展示了 System One 用法0.93写了怎么处理不确定0.07给出了实测数字0.43是能跑起来的工具0.98学习案例 Top 10 候选信号0.39是模型本身的复刻0.0400.51解决的问题够普遍(0–2)1.37 / 2012

无判定区(0.40–0.60)

设计模式
信号灯0.98问卷0.97取景框0.81恒温器0.50记分卡0.37题库0.2200.51

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10月8日 读 README 写成。