jevbooks

← 全部项目

airtable-jev

SebassContreras/airtable-jev

使用 Jev AI 和 Airtable CRM 同步的自动化入站线索资格鉴定与分类。

分类与路由0.99次选分类: 打分与排序漏斗
README 自动摘要

根据 README 自动整理于 2026年10月2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

一个高通量服务,用于从网站表单和 webhook 接收潜在客户咨询,过滤机器人,分类意图,评分线索,并将合格记录同步到 Airtable CRM。

它怎么用 Jev

Jev(typesafe/jev-1.13)作为线索资格鉴定的决策仲裁者。它接收线索状态,并通过严格 JSON Schema 结构化输出返回确定性类别、0–100 分数和推理。结果用于在同步到 Airtable 之前对线索进行分类和评分。

用到的原语:choicescore

值得抄的做法

热重载提示架构,评分标准位于 prompts/jev-scoring.md,由 src/services/prompt-manager.ts 管理。

怎么试

pnpm install,配置 .env,然后 pnpm 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 是项目的核心在材料中检出0.89
  • 展示了 System One 用法未判定0.49
  • 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0.06
  • 是能跑起来的工具在材料中检出0.90
  • 学习案例 Top 10 候选信号未判定0.46
  • 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1.24 / 2
  • 与 Jev 相关在材料中检出0.98
信号
Jev 是项目的核心0.89展示了 System One 用法0.49写了怎么处理不确定0.06给出了实测数字0.06是能跑起来的工具0.90学习案例 Top 10 候选信号0.46是模型本身的复刻0.0300.51解决的问题够普遍(0–2)1.24 / 2012

无判定区(0.40–0.60)

设计模式
漏斗0.91常开常闭0.3000.51

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2日 读 README 写成。