README 自动摘要
根据 README 自动整理于 2026年10月31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
Netizen 模拟印尼网民对社交媒体帖子或议题的反应。Bekasi 母亲、ojol 司机、学生、buzzer 和新闻账号等人物由 Jev 评判，结果与真实案例的真实评论进行比较。
它怎么用 Jev
Jev 评判哪些人物和兴趣细分处于帖子的第一圈层，并对每个人物决定他们是否停止滚动、采取什么行动以及立场如何。结果用于在三种触达场景中模拟反应，并与真实评论组合进行比较。
用到的原语:choicescore
值得抄的做法
使用 Jev 评判人物层面的反应（停止滚动、行动、立场），并聚合加权代表来模拟受众反应。
怎么试
运行 `uv run spike/run_issue.py --text "your draft post" --platforms X/Twitter,TikTok` 或 `uv run spike/server.py` 启动 Web UI。
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0.94
- 展示了 System One 用法片段中未检出0.14
- 写了怎么处理不确定片段中未检出0.02
- 给出了实测数字片段中未检出0.03
- 是能跑起来的工具未判定0.59
- 学习案例 Top 10 候选信号片段中未检出0.28
- 是模型本身的复刻片段中未检出0.05
- 解决的问题够普遍（0–2）按 0–2 打分0.64 / 2
- 与 Jev 相关在材料中检出0.99
无判定区（0.40–0.60）
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31日 读 README 写成。