jevbooks

← 全部项目

searchjev

mita-pixels/searchjev

用 Jev 重新排序 Google 结果的 Firefox 扩展,降低 SEO 量产文章。

打分与排序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10月17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

SearchJev 是一个适用于桌面版和 Android 版的 Firefox 扩展,用于重新排序 Google 搜索结果,降低 SEO/联盟营销量产文章,提升官方与一手来源。它显示每条结果的子分数,需要自备 TypeSafe API 密钥。

它怎么用 Jev

对每条结果,background.js 将搜索词及结果的标题、摘要、域名和 URL 路径作为六个打包问题发送给 Jev。Jev 返回概率和分级判断,defaults.js 将其合并为加权总分;content.js 显示分数并重新排序结果。

用到的原语:choicescorenoul

值得抄的做法

每条结果打包六个类型化判断问题,再将校准后的答案合并为加权总分用于重排序。

怎么试

在 Firefox 的 about:debugging 中加载 extension/manifest.json;无需构建。

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 用法片段中未检出0.33
  • 写了怎么处理不确定片段中未检出0.37
  • 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0.98
  • 学习案例 Top 10 候选信号片段中未检出0.35
  • 是模型本身的复刻片段中未检出0.06
  • 解决的问题够普遍(0–2)按 0–2 打分1.14 / 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0.33写了怎么处理不确定0.37给出了实测数字0.05是能跑起来的工具0.98学习案例 Top 10 候选信号0.35是模型本身的复刻0.0600.51解决的问题够普遍(0–2)1.14 / 2012

无判定区(0.40–0.60)

设计模式
记分卡0.97问卷0.93体检0.66取景框0.54题库0.44漏斗0.31灰区0.2800.51

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17日 读 README 写成。