README 自动摘要
根据 README 自动整理于 2026年10月17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
Slop Mop 是一个 Chrome 扩展加 Vercel 后端，判断 LinkedIn 帖子是否为 slop 文风，然后折叠或描边疑似 slop 的帖子。面向希望掌控信息流的读者。
它怎么用 Jev
对每篇帖子，服务器并行向 Jev 提出十二个问题：来自 Graphite AI 特征研究的九个 slop 迹象、两个反向信号（个人声音、有用性），以及一个只能下调分数的 AI 起草可能性。Jev 的答案加上互动数合成百分制分数，驱动折叠或描边决策。
用到的原语:score
值得抄的做法
把研究中的写作特征清单转化为并行类型化判断，再合成一个加权分数。
怎么试
cd slopmop-extension && npm install && npm run build，然后在 chrome://extensions 加载 dist。
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 是项目的核心未判定0.59
- 展示了 System One 用法片段中未检出0.27
- 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0.04
- 是能跑起来的工具在材料中检出0.97
- 学习案例 Top 10 候选信号片段中未检出0.18
- 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0.88 / 2
- 与 Jev 相关在材料中检出0.94
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17日 读 README 写成。