README 自动摘要
根据 README 自动整理于 2026年10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 Go 服务，实现 Stalwart 的 SpamLlm 所调用的 OpenAI 兼容聊天补全端点，为每封邮件返回垃圾邮件类别和置信度。面向希望基于 Jev 进行垃圾邮件分类的 Stalwart 企业版用户。
它怎么用 Jev
Jev 接收邮件主题和正文作为状态，对 Stalwart 的默认类别（Unsolicited、Commercial、Harmful、Legitimate）回答一个 Choice 问题。服务返回所选类别和基于 Jev 概率得出的置信度级别（High/Medium/Low），格式化为 'category,confidence,explanation' 供 Stalwart 使用。
用到的原语:choice
值得抄的做法
使用可配置阈值将 Jev 的 Choice 概率映射到 Stalwart 的置信度级别。
怎么试
helm install stalwart-jev oci://sarak.sh/mikluko/charts/stalwart-jev --namespace mail --set apiKey=<key>
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-1.14.0- 项目信号
jev-1.14.0- 项目分类
jev-1.14.0- 模式标签
jev-1.14.0
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 用法片段中未检出0.05
- 写了怎么处理不确定片段中未检出0.03
- 给出了实测数字片段中未检出0.01
- 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0.28
- 是模型本身的复刻片段中未检出0.02
- 解决的问题够普遍（0–2）按 0–2 打分1.06 / 2
- 与 Jev 相关在材料中检出0.99
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10月22日 读 README 写成。