jevbooks

← 全部项目

app-classification-harness

x3nc0n/app-classification-harness

计划中的 AI 工具,用 Jev 类型化决策对 PC 应用用途进行分类。

分类与路由0.78次选分类: 数据标注与清洗问卷漏斗验货
README 自动摘要

根据 README 自动整理于 2026年10月30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

一个计划中的分类与评估工具,用于识别 PC 应用的用途和类别。目前仅处于规划和 Squad 脚手架阶段;尚未构建收集器、分类器或评估。

它怎么用 Jev

计划让 Jev 基于脱敏的应用证据做三类决策:Choice 从扁平叶子分类法中选择主要用途/类别;Score 按 0-3 评分标准评估类别匹配度;Noul 评估聚焦命题,例如证据是否支持某项能力。结果在本地校验后,被接受、标记待审或返回 unknown。

用到的原语:choicescorenoul

值得抄的做法

对每个唯一的产品/证据画像只分类一次,缓存键覆盖身份、证据哈希、模型、分类法、问题和策略版本。

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-1.14.0
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0.85
  • 展示了 System One 用法片段中未检出0.22
  • 写了怎么处理不确定片段中未检出0.03
  • 给出了实测数字片段中未检出0.02
  • 是能跑起来的工具片段中未检出0.17
  • 学习案例 Top 10 候选信号片段中未检出0.03
  • 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1.25 / 2
  • 与 Jev 相关在材料中检出0.97
信号
Jev 是项目的核心0.85展示了 System One 用法0.22写了怎么处理不确定0.03给出了实测数字0.02是能跑起来的工具0.17学习案例 Top 10 候选信号0.03是模型本身的复刻0.0600.51解决的问题够普遍(0–2)1.25 / 2012

无判定区(0.40–0.60)

设计模式
问卷0.97验货0.96漏斗0.91常开常闭0.65体检0.48黑匣子0.30盲审0.2200.51

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30日 读 README 写成。