jevbooks

← 全部项目

mail-classifier

MichaelRingelstein/mail-classifier

用 Jev 分类未读 Outlook 邮件,确认后标记、归档或删除。

分类与路由0.99次选分类: 评测与基准问卷
README 自动摘要

根据 README 自动整理于 2026年10月13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

一个本地 Web 应用,面向 Outlook / Microsoft 365 用户,通过 Microsoft Graph 获取未读邮件,用 Jev 逐封分类,在表格中展示结果,确认后标记、归档或删除邮件。同时可作为 Jev 基准测试。

它怎么用 Jev

对每封邮件,Jev 在一次调用中回答 5 个问题:类别(待读、待回复、重要保留、简报、丢弃)、重要性、垃圾邮件、是否需要操作、提示注入。结果驱动表格和 Apply 步骤(标记、移动到简报文件夹、删除)。

用到的原语:choicescore

值得抄的做法

将多个类型化问题批量放入每封邮件的一次 Jev 调用,同时获得类别、重要性、垃圾邮件、操作和注入信号。

怎么试

make install,填写 .env,make auth,make run,然后点击 Fetch、Classify、Apply。

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0.79
  • 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0.09
  • 是能跑起来的工具在材料中检出0.92
  • 学习案例 Top 10 候选信号未判定0.49
  • 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0.99
信号
Jev 是项目的核心0.91展示了 System One 用法0.79写了怎么处理不确定0.06给出了实测数字0.09是能跑起来的工具0.92学习案例 Top 10 候选信号0.49是模型本身的复刻0.0300.51解决的问题够普遍(0–2)1.00 / 2012

无判定区(0.40–0.60)

设计模式
问卷0.98取景框0.50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10月13日 读 README 写成。