jevbooks

← 全部项目

jev-the-janitor

kylehovance-ai/jev-the-janitor

为你的 Markdown 仓库做一次大脑扫描,由 Jev 驱动。

分类与路由0.66次选分类: 数据标注与清洗漏斗
README 自动摘要

根据 README 自动整理于 2026年9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

Jev the Janitor 扫描 Obsidian 或 Markdown 仓库,在本地对每条笔记进行脱敏,然后询问 TypeSafe Jev 每条笔记属于哪个分类,并由普通代码做决定。它从不删除笔记或重写正文;最多添加 frontmatter 或将疑似机密移至隔离区。

它怎么用 Jev

对于每条脱敏后的笔记,Jev 回答关于笔记应归入哪个分类的类型化问题。结果由普通代码用于决定操作,例如添加 janitor.* frontmatter 或将笔记移至隔离区。README 未说明具体的问题类型或状态模式。

用到的原语:choice

值得抄的做法

发送前本地脱敏,并预先显示费用和支出上限。

怎么试

pip install -e ".[dev]" && jev-janitor ./fixtures/notes --offline

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0.73
  • 写了怎么处理不确定片段中未检出0.06
  • 给出了实测数字片段中未检出0.05
  • 是能跑起来的工具在材料中检出0.89
  • 学习案例 Top 10 候选信号片段中未检出0.33
  • 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1.08 / 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0.73写了怎么处理不确定0.06给出了实测数字0.05是能跑起来的工具0.89学习案例 Top 10 候选信号0.33是模型本身的复刻0.0300.51解决的问题够普遍(0–2)1.08 / 2012

无判定区(0.40–0.60)

设计模式
漏斗0.74取景框0.50黑匣子0.39问卷0.37信号灯0.2000.51

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27日 读 README 写成。