jevbooks

← 全部项目

personal-email-assistant

mostafa-ja/personal-email-assistant

隐私优先的本地邮件分诊,由 Jev System One AI 驱动。

分类与路由0.96次选分类: Agent 决策漏斗
README 自动摘要

根据 README 自动整理于 2026年10月26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

一个面向个人的 Next.js 14 个人邮件分诊与决策引擎,将邮件、分类、草稿和规则存储在本地 SQLite,并通过直接 IMAP/SMTP 连接 Gmail。

它怎么用 Jev

Jev 1.13(oc/jev-1.13-free)通过 9Router 本地网关或 OpenRouter 云 API,在 Money、Needs Reply、Alerts 和 Bulk 上计算校准概率分布;这些结果用于类别和动作分配,而确定性安全不变量会绕过 AI 处理 OTP、电汇和安全邮件。

用到的原语:choicescore

值得抄的做法

确定性安全不变量在 AI 分诊前硬性阻止对 OTP、电汇和安全邮件的自动归档。

怎么试

运行 start-windows.bat、./start.sh、docker compose up -d 或 npm run dev:web;打开 http://localhost:3100。

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-1.14.0
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 是项目的核心片段中未检出0.23
  • 展示了 System One 用法片段中未检出0.11
  • 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0.02
  • 是能跑起来的工具在材料中检出0.83
  • 学习案例 Top 10 候选信号片段中未检出0.10
  • 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1.10 / 2
  • 与 Jev 相关在材料中检出0.98
信号
Jev 是项目的核心0.23展示了 System One 用法0.11写了怎么处理不确定0.03给出了实测数字0.02是能跑起来的工具0.83学习案例 Top 10 候选信号0.10是模型本身的复刻0.0600.51解决的问题够普遍(0–2)1.10 / 2012

无判定区(0.40–0.60)

设计模式
漏斗0.96体检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26日 读 README 写成。