Jev 聊天助手——装在手机里的"读心术副驾"

想象你正在微信/QQ里聊天，对方发来一句意味深长的话，你犹豫着不知道该怎么回——是认真解释，是调侃化解，还是先缓一缓？Jev 聊天助手就是这样一款应用：它读取屏幕上的聊天内容，用 AI 分析对方意图和情绪，给出 3 条候选回复，让你一键复制或填入输入框。发不发，永远由你自己决定。

从一个真实的聊天困境说起

很多人有这样的经历：对方发来一句"最近怎么样"，你以为只是寒暄，结果对方是在暗示什么；或者你回了一句，对方已读不回，从此话题就断了。沟通中的信息差，往往不是因为你没情商，而是因为你真的不知道对方在想什么。

Jev 的核心逻辑很简单：先判断，再写字。它不是让大模型直接编一句回复，而是先用专门的"判断模型"分析对方的意图、危险等级、最佳动作，再据此生成和排序候选回复。这个两阶段设计，比直接让 AI 生成回复要靠谱得多。

技术架构：非侵入式"读屏"设计

Jev 最大的技术亮点在于它的非侵入式设计。

传统的聊天辅助工具往往需要 root 权限、Hook 框架，甚至修改微信/QQ 的安装包——这些方案要么有安全风险，要么容易触发封号。Jev 走了完全不同的路：

1. 无障碍服务（Accessibility Service）：Android 系统提供的读屏 API，与 TalkBack、VoiceAccess 一样，通过系统接口读取屏幕上正在显示的 UI 元素。应用本身不需要任何特殊权限，只需要用户授权"无障碍"权限。

2. 按 App 分配适配器：不同聊天 App 的 UI 结构不同（QQ 用节点 ID，飞书是自绘控件），Jev 为每个 App 写了专门的适配器（ChatAppAdapter），只需要几十行代码就能新增一个 App 的支持。核心的判断、生成、排序逻辑完全通用。

3. 离线 OCR 兜底：当无障碍树里没有文字内容时（如飞书的文字是自绘的），自动截屏并用 Google ML Kit 中文离线模型做 OCR。整个过程不上传图片，不依赖 Google 服务。

4. 半透明悬浮窗展示：分析结果以悬浮窗形式展示在聊天界面上方，用户点击复制或填入输入框，发送动作永远由用户手动完成。

平台支持与局限

本地知识库：让 AI 认识你身边的人

Jev 的知识库功能让它不仅仅是一个"聊天辅助工具"，更像一个了解你和你的社交圈的数字助理：

• 笔记：可以录入多行文本，打上标签。分析时自动带上命中标签或标题的笔记。
• 联系人档案：记录姓名、别名、关系、备注。悬浮窗气泡长按可一键把当前会话存为联系人。
• 聊天历史：默认关闭，开启后每次分析带上最近 30 条历史，自动去重。

接口自配：真正的隐私优先

Jev 的判断 / 回复 / 视觉三路分别可以独立配置：

• 内置博查 Jev（Jev 官方接口，限时免费）
• OpenRouter、DeepSeek 官方、通义兼容预设
• 自填任意兼容 OpenAI 格式的 API 地址

软件本身免费，模型调用走你自己的 API Key，项目不收集、不落盘、不进日志。隐私完全在本地。

如何安装使用

# 方式1: adb 安装（推荐）
adb install -r apk/jev-assistant-v1.4-release.apk

# 方式2: 下载 APK 手动安装
# https://github.com/jev-chat/jev-chat-jarvis/releases

安装后只需三步：填 API Key → 开无障碍权限 → 开悬浮窗权限。

姊妹项目与生态

同属 jev-chat 组织：macOS 版（微信消息意图识别 + 本地小模型）、Windows 版（窗口截图 + 离线 OCR + 填入）。Android / macOS / Windows 三端覆盖，核心逻辑统一。

局限与风险

• 国产 ROM 后台冻结：小米/HyperOS 会杀后台进程，需要自启动+省电无限制双重保障
• 飞书 OCR 精度有限：长消息截断、识别错字问题仍存在
• 群聊支持有限：按一对一分析，群聊场景的联系人设定不准确
• 中文语境校准：Jev 训练数据以英文为主，建议用自己的真实对话做标注校准

总结

Jev 是一款设计思路非常清晰的产品：非侵入、隐私优先、可扩展。它不追求"替你说"，而是帮你"想好怎么说"。两阶段判断+候选的设计，让 AI 输出更有可解释性和可控性。MIT 协议可商用，姊妹项目覆盖三端，是目前中文聊天场景下最有诚意的 AI 辅助工具之一。

项目地址：https://github.com/jev-chat/jev-chat-jarvis
官网：https://chatjevs.com