jevbooks

← 全部项目

fast-cat

rfoerthe/fast-cat

用 Jev 对 180 个 emoji 按匹配度排序的游乐场。

打分与排序1.00次选分类: 分类与路由问卷验货
README 自动摘要

根据 README 自动整理于 2026年10月9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

一个交互式 emoji 游乐场:描述一个想法、类别或活动,应用会从两组各 180 个符号中找出合适的 emoji。

它怎么用 Jev

对每个查询、模型和所选集合,Jev 产生 180 个独立的 noul 评分,判断每个 emoji 与 state.description 的匹配程度。概率经过校验后,P(匹配) >= 阈值的 emoji 上升,其余下落。

用到的原语:noul

值得抄的做法

把全部 180 个 emoji 评分作为一次 decisions 请求发送,state.description 配合每个 emoji 的 noul 问题。

怎么试

npm ci,在 .env 中设置 OPENROUTER_API_KEY,然后 npm run dev

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 是项目的核心片段中未检出0.21
  • 展示了 System One 用法片段中未检出0.30
  • 写了怎么处理不确定片段中未检出0.04
  • 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0.78
  • 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0.06
  • 解决的问题够普遍(0–2)按 0–2 打分0.00 / 2
  • 与 Jev 相关在材料中检出0.89
信号
Jev 是项目的核心0.21展示了 System One 用法0.30写了怎么处理不确定0.04给出了实测数字0.05是能跑起来的工具0.78学习案例 Top 10 候选信号0.21是模型本身的复刻0.0600.51解决的问题够普遍(0–2)0.00 / 2012

无判定区(0.40–0.60)

设计模式
问卷0.98验货0.74常开常闭0.57菜单0.29取景框0.2100.51

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9日 读 README 写成。