一个开源项目，想在你手机里配个“AI 对话副驾”

最近有一类 AI 模型很火：它不写文章、不聊天、不生成图片，只做一件事——做判断。给它一段上下文和一组问题，它返回“是 / 否 / 几分 / 选哪个”，又快又便宜。这就是 TypeSafe 在 9 月中旬发布的 Jev，被社区称作“系统一模型”，发布一周内就被开发者塞进了各种产品。

但多数用法还停留在开发者圈子里。而今天要介绍的这位主角，把 Jev 带到了一个最日常的场景——聊天。

它叫 Jev 聊天助手，一个开源 Android 应用。你在微信、QQ、X 里收到一句话，拿不准对方什么意思、该怎么回，它在旁边读懂对方，告诉你对方的真实意图和危险等级，排好 3 条候选回复，一键填入输入框——但发不发，永远由你决定。

项目已在微信、QQ、X 三个平台真机跑通，飞书也接入了 OCR 采集，代码以 MIT 协议开源。这篇文章就来拆一拆：它到底是怎么工作的，哪些设计值得注意，边界又在哪里。

01 它是什么：装在手机上的“对话副驾”

一句话：你正常用微信、QQ 聊天，它用系统的无障碍服务读“屏幕上正在显示的对话”，在旁边判断这句话什么意思，然后把回复排好序递到你手边。

它不是什么：不是自动回复机器人，不会替你发消息；不是外挂，不 hook、不改包、不走 App 的任何接口，也不读数据库。它只做一件事——把你没看清的那句话，用 AI 拆给你看。

具体拆成三层：对方真实意图是什么、这段对话危险等级几分（1 到 9）、对方到底想要什么、该不该马上回、最佳动作是什么，再让生成模型起草 3 条口语化候选回复，按“最合适”排序。整个过程约 1 秒，带把握度。

02 它怎么工作：从读屏到填入的四步流水线

整个链路可以拆成四步：

第一步，采集。一个聊天 App 对应一个适配器，服务按前台包名分发，把当前窗口变成“标题 + 消息列表（谁说的、说了什么）”。微信的树被混淆了，就用伪装成系统无障碍服务的方式读气泡节点；树里读不到正文时，自动截屏用 ML Kit 离线 OCR 兜底。

第二步，判断。Jev 一次回答 7 道题：意图、危险等级、需求、动作、该不该回……只输出选择和打分，不写长篇分析。命中知识库时，判断请求里会带上联系人的关系和备注。

第三步，起草。生成模型（默认 DeepSeek）起草 3 条口语化回复，要求与知识库一致，不编造没有的事实。

第四步，排序与填入。Jev 给 3 条候选排序并给出占比，半透明悬浮窗展示。你点“填入”，它把回复写进输入框——发送永远由你点。

03 三个设计，让它和“外挂”划清界限

这类工具最容易踩的雷是权限越界和数据失控。这个项目的设计里有三个值得注意的边界：

一是非侵入。不 hook、不改包、不走任何聊天 App 的接口或账号、不读数据库，只读“屏幕上正在显示的对话”。这决定了它只能看到你正在看的这一屏，而不是整个聊天记录。

二是发送权在用户。程序只把回复填进输入框，从不自动发送，不碰转账、红包、收款。能替你“发出去”和“只能帮你写”，是两条完全不同的信任线。

三是隐私在本机。密钥只存在 App 私有空间；聊天内容只在分析那一刻发给模型接口，不落盘、不进日志；历史记录默认关闭，开了也只存本机，可一键清空。

04 一套内核，四端适配：新增一个 App 只需几十行

项目最核心的架构思路是“一套内核，多平台”。读消息、判断、生成候选、排序、悬浮窗、填入，全部通用；换一个新聊天 App，只需要实现一个 ChatAppAdapter（几十行），告诉内核这个 App 的包名和怎么从无障碍树里取消息。

目前已跑通的平台：

微信 Android：全链路，伪装无障碍服务读气泡节点，8.0.78 实测可读。QQ Android：全链路，读节点，9.3.50 实测（群聊）。X（Twitter 私信）：全链路，解析 Compose 节点的 content-desc，12.25 实测，中文界面。飞书 / Lark：OCR 兜底，真机验证，对每个气泡矩形做离线识别。其它 App：悬浮窗菜单手动“截屏识别一次”，整屏 OCR。桌面端 / 网页：规划中，同一内核换采集方式。

除此之外，它还有一套本地知识库：笔记按标签和标题命中，联系人记录关系、别名、备注，同一个人的微信和 QQ 可以用别名对上；分析时会自动带上命中的知识和这个人的历史聊天。

05 诚实的边界：项目自己列出的已知限制

README 里没有只讲优点，它把限制也写得很清楚，这些恰恰是判断“能不能用”的关键信息：

国产 ROM 后台冻结：小米 / HyperOS 会杀后台进程，前台保活、自启动、省电无限制都配了仍可能被杀，悬浮窗会短暂消失。飞书正文靠 OCR：正文是自绘控件，无障碍树里只有气泡矩形，靠离线识别，可能认错字、判反我 / 对方。X 只按中文界面验证过：英文界面只做了兜底，未验证。群聊按一对一分析：“对方”和关系设定对群聊不准。微信版本更新可能失效：伪装无障碍服务是绕过混淆的手段，微信改版后可能读不到。知识库是标签 / 标题包含匹配，不是语义检索，笔记不打好标签就命中不了。包体变大：ML Kit 中文离线模型让 APK 从约 12MB 增至约 27MB。

06 判断框架：什么样的“AI 聊天助手”值得用

看完这个项目，可以顺手建立一个判断标准。遇到任何“AI 替你聊天”类的工具，先问三个问题：

权限边界：它是不是只读你屏幕上的内容，不 hook、不改包、不越权读数据库？控制权：发送键在谁手里？它会不会替你发出消息、碰钱？数据流：你的聊天内容去了哪里？是否落盘、是否进日志、密钥存在哪？

三个问题都答得清楚，才值得放进手机；答不上来的，功能再强也要谨慎。

这个项目目前能确定的部分是：代码 MIT 开源、可在 GitHub 上自行审查，判断 / 回复 / 视觉三路接口全部可配、可一键连通测试，默认只有一把密钥也能跑。尚不确定的部分是：无障碍伪装手段随微信更新可能失效；它只处理你自己设备上、你自己有权查看的聊天，使用者仍需遵守各平台许可协议与当地法律法规。

对普通用户更稳妥的做法：先在低风险、不紧急的聊天场景试用，用自己真实对话做一批标注校准；对它的建议保持“参考”心态——回复排好序了，发不发、怎么发，仍然是你自己的判断。

封面图

备选标题

1. 开源 27MB 小工具：读懂对方真实意图，排好 3 条回复，但发送永远由你点

2. 不 hook、不改包、不读数据库：这个开源项目想靠“看屏幕”当你的聊天副驾

3. 微信、QQ、X 真机跑通的开源项目：AI 在旁边读聊天，替你排好回复

4. 一套内核四端适配：这个开源聊天副驾，把 AI 装进了消息框

5. Jev 聊天助手开源解读：它如何判断“这句话到底什么意思”

内容验真

事实与数据来源：本文所有项目细节（真机验证版本号、平台支持状态、工作机制、已知限制、架构设计、版本号 v1.3、APK 体积、MIT 协议等）均来自 GitHub 仓库 jev-chat/jev-chat-jarvis 的 README（2026 年 9 月读取）。

背景信息：Jev 模型由 TypeSafe AI 于 2026 年 9 月中旬发布，定位“System One Model”，只做结构化判断、不生成自由文本，相关报道见机器之心《2400万人围观，前OpenAI研究员做了个「闭嘴」模型》（2026-09-17）、36氪《Jev，让全球程序员玩疯了》（2026-09-21）等。

图片说明：文中头图、机制图、多平台图、封面图均为 AI 生成示意图，非真实产品截图。

边界提示：项目 README 声明仅供个人学习与研究使用，使用者需遵守微信、QQ、X、飞书等平台许可协议与当地法律法规，作者不对使用后果负责。本文仅作信息介绍，不构成使用或安装建议。