README 自动摘要
根据 README 自动整理于 2026年11月3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 n8n 工作流，用于接收 Gmail 中含简历附件（.docx/.pdf）的邮件，提取文本，使用 JEV 对候选人进行分类，并将结构化记录路由到 Airtable。
它怎么用 Jev
JEV 按领域（Dev、Support、DB、Infra）、学历和 years of experience 对每位候选人进行分类。工作流将提取的简历文本发送至 JEV API（通过 Header Auth / Bearer Token 认证）；分类结果驱动 Switch 节点，将候选人插入对应的 Airtable 数据库。
用到的原语:choice
值得抄的做法
使用类型化分类模型将非结构化简历文本路由到固定的 Airtable 类别。
怎么试
将工作流导入 n8n，并配置 Gmail OAuth2、Airtable Personal Access Token 和 JEV Header Auth 凭据。
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0.72
- 展示了 System One 用法片段中未检出0.16
- 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0.86
- 学习案例 Top 10 候选信号片段中未检出0.21
- 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1.06 / 2
- 与 Jev 相关在材料中检出0.96
无判定区（0.40–0.60）
设计模式
没有模式的概率超过展示阈值。
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11月3日 读 README 写成。