这是什么
一个开发者演示，将公开的 SaaS 落地页分析为干净的 Markdown，并向 Jev 提出十个关于首次访问理解的有限 Choice 问题，返回可检查的发现，用于确定第一个要做的更改。
它怎么用 Jev
Jev 接收来自 ReplyNodes 的干净 Markdown 作为状态，并通过 Vercel AI Gateway 在一次评估中回答十个有限的创始人问题（清晰度、受众、价值主张、差异化、选择理由、CTA 信号、信任、自助服务动作、文案具体性、优先更改）以及可选的 Boolean、Choice 或 Score 问题。返回的概率/置信度在可用时被保留。
用到的原语:choicescore
值得抄的做法
将实时网页抓取作为不可信状态，用于有界的概率判断。
怎么试
设置 REPLYNODES_API_KEY 和 AI_GATEWAY_API_KEY，然后运行 pnpm install 和 pnpm dev。
证据
每一行都是就 README 问 Jev 的一道题。≥ 0.60 算「是」，≤ 0.40 算「否」，中间这一段 Jev 不下判断。
- Jev 是主角是0.94
- 有 System One 用法是0.78
- 处理了不确定性否0.04
- 有实测数据否0.05
- 可直接跑未判定0.58
- 值得推荐未判定0.57
- 是模型的复刻否0.03
- 问题普遍性按 0–2 打分0.47
- 与 Jev 相关是0.98
信号由 Jev jev-1.13.0 判定，简介由 DeepSeek V4.1 Flash 于 2026年9月20日 读 README 写成。