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
NucleiSniper 是一个单脚本流水线，供安全测试人员使用。它利用 TypeSafe Jev AI 根据每个目标对所有 Nuclei 漏洞模板进行相关性排序，然后优先运行最相关的模板。
它怎么用 Jev
Jev 根据深度目标画像（30+ 种信号类型）对每批约 50 个模板进行评分（0–4）。返回的概率和置信度用于对所有模板降序排序，使 Nuclei 优先执行高相关性检查。
用到的原语:choice
值得抄的做法
深度目标指纹识别（30+ 种信号类型）为批量相关性评分提供依据，从而对模板进行优先级排序而非过滤。
怎么试
python NucleiSniper.py http://target.com -t ~/nuclei-templates -o relevance.json
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0.83
- 展示了 System One 用法片段中未检出0.22
- 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0.07
- 是能跑起来的工具在材料中检出0.94
- 学习案例 Top 10 候选信号片段中未检出0.17
- 是模型本身的复刻片段中未检出0.10
- 解决的问题够普遍（0–2）按 0–2 打分1.01 / 2
- 与 Jev 相关在材料中检出0.92
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8日 读 README 写成。