README 自动摘要
根据 README 自动整理于 2026年10月13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
一个用于清理 Gmail 收件箱的 Claude skill。你说“triage my inbox”，Claude 就会抓取新邮件，让一个小模型给每封邮件分类，归档噪音，并报告哪些还需要你处理。它从不删除邮件，一次搜索就能撤销整次运行。
它怎么用 Jev
对每封邮件，scripts/classify.py 把发件人、主题、日期、已有标签和最多 800 字符的正文交给 TypeSafe Jev，回答五个固定问题。第一个问题从十个类别中选一个；脚本里的表格把类别转成动作。其余四个问题标记钓鱼、等待回复、低置信度和临近截止日期。
用到的原语:choicescore
值得抄的做法
用决策模型加固定问题和类别到动作的表格，而不是让聊天模型写一段意见。
怎么试
git clone 到 ~/.claude/skills/inbox-classifier，export OPENROUTER_API_KEY，运行 scripts/classify.py --selftest。
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0.77
- 展示了 System One 用法片段中未检出0.33
- 写了怎么处理不确定片段中未检出0.05
- 给出了实测数字片段中未检出0.10
- 是能跑起来的工具在材料中检出0.64
- 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0.09
- 解决的问题够普遍（0–2）按 0–2 打分1.13 / 2
- 与 Jev 相关在材料中检出0.96
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13日 读 README 写成。