爆款AI用法：Jev可直接读取微信聊天，分析对方意图，还能给你回复建议，已开源

AI · 对话副驾

AI 可以给建议，发送权始终在你手里。

大家好，我是有鱼。

最近jev爆火，还没有使用的可以去看我上篇图文，里面有对应的介绍，还有注册方式，注册就免费送5$额度，这个额度差不多1个亿的token使用量。

这两天基于jev的能力，有大神开发了微信聊天辅助系统，直接可以识别微信的内容，然后判断对方的意图，最后给你回复建议。这个功能同样的可以用在客服上面。

体验的效果怎么样呢？

就比如说，有时候，微信里最难回的，并不是长篇大论。

而是对面突然丢过来的那一句。

“点子很 nb 啊。”

“这个什么时候能给？”

“还是有局限性的。”

字都认识，但你会下意识停一下：他是在夸我、催我、质疑我，还是在等我继续解释？这样模棱两可的话

这个时候，真正麻烦的往往不是“写一句话”，而是先判断这句话该怎么接。

开源项目 Jev 聊天助手，做的就是这件事。

它把一个 AI「对话副驾」直接挂在微信、QQ、X 等聊天界面旁边：先读懂当前会话，再给你 3 条候选回复。你可以一键填入，但最终发送永远由自己决定。

图 1｜Jev 在微信聊天界面旁边分析当前对话，并给出意图判断与候选回复。图片来自项目公开演示。

本文看点

很多人第一次看到这种工具，会下意识把它理解成“AI 自动回微信”。但 Jev 当前的产品边界其实更克制。

它不会替你按发送。它读取的是你当前屏幕上正在显示的聊天内容，然后在旁边的悬浮窗里完成分析：对方可能是什么意图、当前对话风险有多高、对方想要什么、是否需要马上回复，以及接下来更适合采取什么动作。

接着，生成模型会起草 3 条更口语化的候选回复，Jev 再对这些回复进行排序。

你觉得哪条合适，就点“填入”，文字进入聊天输入框；需要改，你继续改；不想发，直接删掉也可以。

这一点我觉得很关键。因为真正的聊天，尤其涉及客户、领导、同事、家人和亲密关系时，AI 可以给建议，但承诺、态度和关系判断，最后还是应该由人来把关。

图 2｜候选回复生成后，Jev 会给出排序参考；点击“填入”只是写入输入框，不会自动发送。

普通 AI 回复助手常见的逻辑是：你把一句话丢进去，它再帮你润色一句话。Jev 的流程更像先做一次“会话判断”，再决定应该怎么写。

按照项目公开的实现，Jev 会用结构化问题判断会话中的意图、风险、需求、最佳动作，以及“现在到底该不该回”。

与此同时，另一路生成模型负责起草 3 条不同策略的中文回复，最后再由 Jev 做排序。这里的“先判断，再生成”更适合理解为产品思路；判断与候选生成在实现上可以并行。

所以你在悬浮窗里看到的“危险 1/9”“对方真实意图”“最佳动作”“候选回复占比”，并不是一段大模型自由发挥出来的说明，而是判断和生成两个步骤组合后的结果。

这类设计的好处很直接：AI 不只是帮你把句子写顺，还试图先弄明白——现在到底是什么场景。

一次对话分析，经过这四步

Jev 没有修改微信客户端，也不需要读取微信数据库。Android 端主要通过系统无障碍服务读取当前屏幕中可访问的聊天节点，再把“谁说了什么”整理成统一的消息结构。

对于飞书这类无法直接读出正文的界面，v1.3 加入了离线文字识别：先找到消息气泡的位置，再识别气泡里的文字。识别到的会话仍会在分析时发给你配置的模型接口。

这样做带来一个很有意思的产品结构：微信、QQ、X、飞书并不需要各写一套 AI。不同 App 只负责“把当前会话拿出来”，后面的判断、生成、排序和回填都可以复用。

换句话说，它更接近“一套 AI 内核 + 多个聊天 App 适配器”。这也是我觉得这个项目比单纯的 Demo 更值得看的地方。

截至 2026 年 9 月 22 日，项目仓库已提供 v1.3 签名 APK。各平台的支持范围，需要结合已验证的版本和场景来看。

需要留意的是，Android 仓库的旧平台表仍把“桌面端 / 网页”合写为规划项，但 README 已列出 Windows 与 macOS 独立项目。桌面端的具体能力应以各自仓库说明为准。

上面的“实测”均指项目方公布的验证范围，不代表所有系统、版本和聊天场景都能稳定运行。

当前 Android 版本需要你填写自己的模型接口密钥。默认配置可以使用 OpenRouter，回复模型可选择 DeepSeek，也可以换成兼容的其他模型服务；判断、回复和视觉接口可分别设置。

对于这种“聊天副驾”，我反而觉得模型参数是不是最大、榜单是不是第一，未必是最重要的。

真正影响体验的，更可能是三个东西：响应够不够快、能不能理解中文口语和上下文、回复像不像这个关系里的人会说的话。

项目提供了关系描述、会话白名单等配置。比如你可以告诉它“对方是客户”“对方是伴侣”，让判断更接近真实场景。

现在还加入了本地笔记、联系人档案和可选的聊天历史，帮助分析时补充背景。历史记录默认关闭；知识库按标签和标题匹配，暂时不是语义检索。

如果这类产品继续发展，我认为“联系人画像 + 历史上下文 + 企业知识库”，会比单纯再换一个更大的模型更有价值。

图 3｜早期版本设置页，展示模型、关系描述和白名单配置；API Key 已遮盖。v1.3 的接口页已拆分为判断、回复、视觉三路配置。

项目仓库已提供 v1.3 的签名 APK，最低支持 Android 11。安装后填写自己的模型接口密钥，并按引导开启无障碍、悬浮窗，以及必要的后台运行权限。

如果使用默认配置，可以先填入 OpenRouter API Key；从旧版升级至 v1.3 后，需要关闭再开启无障碍服务，让新增的截屏能力生效。

如果你用的是小米 / HyperOS 这类后台管理比较严格的系统，还需要关注自启动和省电策略。项目 README 也明确写了，即使做了保活配置，部分国产 ROM 仍可能冻结后台服务。

另外，如果之前装过 debug 包，正式 release 包因为签名不同，可能需要先卸载旧版本。卸载会清掉本地设置和密钥，这一点动手前要注意。

GitHub 项目与下载入口

第一，不同平台的实现并不相同。Android、Windows、macOS 分别维护，不能把某一端的功能直接套到其他端；当前这些项目也没有提供可直接安装的 iOS 版本。

第二，无障碍服务本身是高权限能力。Jev 需要读取当前聊天界面，并把候选回复写入输入框。无论项目是否开源，在自己手机上给一个第三方 App 这样的权限之前，都应该先了解它做了什么、从哪里下载、是否信任这个构建。

第三，它也不是“完全本地”。项目说明里写得很清楚：聊天内容会在分析时发送到你配置的模型接口。

也就是说，如果对话里有客户隐私、商业机密、内部项目信息，就不能只看“代码开源”这一个标签，还要继续看模型服务的数据边界。

第四，它的判断并不等于事实。特别是群聊、多方关系和一些带情绪的语境，模型对“真实意图”的判断可能出错。把“危险等级”当辅助提示可以，把它当成关系真相就不合适了。

如果只看表面，Jev 是一个“帮你回微信”的工具。

但从产品设计上看，它展示了另一种很值得关注的 AI 落地方式：用户不需要先离开当前软件，再专门去找 AI。AI 可以直接贴着原来的工作界面，在最需要的那一步出现。

过去我们常见的流程是：复制聊天内容 → 打开 ChatGPT → 粘贴 → 写提示词 → 生成 → 再复制回来。模型很强，但人一直在搬运上下文。

这个思路其实不只适合聊天。浏览器、Office、客服系统、CRM、ERP、MES、WMS，甚至很多传统工业软件，都可以在原有界面旁边增加一层“上下文副驾”。

用户继续使用原来的系统，AI 去理解当前页面、当前任务和当前数据，再给出下一步建议。

我觉得，未来真正容易进入企业的 AI，很多可能就是这种形态：它不要求所有人重新学习一套新系统，而是尽量贴着现有流程，把智能能力插到最需要的节点里。

如果你经常碰到“消息看懂了，但不知道怎么回最合适”的情况，Jev 这个项目值得了解一下。Android 用户可以从现成的 v1.3 签名包开始，再结合自己的系统和聊天场景判断是否适用。

它最值得肯定的一点，是没有把“发送权”也交给 AI。AI 可以帮你分析、起草、排序，但真正涉及关系、承诺和重要决定时，最后一下还是自己来。

评论区可以聊聊。如果你身边也有人经常面对着微信消息，不知道该怎么回，可以把这篇转给他。

资料来源

版本与兼容信息核对于 2026 年 9 月 22 日。项目持续更新，安装与平台支持以各仓库最新说明为准。截图来自项目公开演示，展示的是当时的界面。

Android 项目说明 · 版本更新日志 · Windows 项目 · macOS 项目