Författaren granskar ett WeChat-automatiseringsprojekt med Jev + DeepSeek: läser appens nodträd via Androids tillgänglighetstjänster, använder skärmbilder plus lokal OCR som reserv, behåller endast de senaste 10 meddelandena som kontext och påpekar att WeChat kan upptäcka det med risk för avstängning.
刚看了下这个jev wechat项目，模型是用 jev + deepseek 通过 Android 无障碍服务读取App 的节点树，兜底是用截图 + 本地 OCR 上下文只有最近 10 条消息 微信能监测到，有封号危险
LLM håller minne/kontext, använder agent-desktop för att ta ögonblicksbilder och skickar dem till Jev, som väljer rätt element att agera på, vilket snabbar upp Computer Use med Cursor och headless-läge.
Riley Brown delar att TypeSafe AI:s Jev klassificerade 500 e-postmeddelanden på sekunder för bara 3,5 cent, vilket visar snabb och kostnadseffektiv e-postklassificering.
Omfattande förklarande video som introducerar Jev, en AI som inte skriver text utan avgör vilken avdelning förfrågningar ska dirigeras till och hur brådskande de är.
