周末我按 AI 影响为 3,000 种工作和 14,000 项技能评分。Jev 和 Jeff 完成了大部分实际工作。年初以来，我一直在运行 Jeff（@doodlestein）的代理编排工具 NTM 等，体验很好。Jev 是新加入的，但会留下来。 结果显示约 1,500 项技能属于数字工作的操作机制。作者认为这些工作会越来越多地交给 AI。 其余清单更让人愉快：有 2,500 多项可以借助 AI 放大的技能，作者认为可以更有抱负、按自己的方式工作。 所以 Jev 带来更多 FAAFO，这是 @Steve_Yegge 和 @RealGeneKim 提出的概念。我认为它不仅适用于编码，也适用于各种知识工作。 可以查看，也欢迎 fork 改进和扩充。 https://t.co/YvA73KERPX https://t.co/tBplnjAPpD https://t.co/ItU5t8kDs5 https://t.co/tBeqWjZaqN
把职业技能整理成多维判断面板
作者将 Jev 用于职业技能的 AI 影响评分实验。演示展示六个判断问题、职业层级和技能构成比例；这些分数是项目的模型判断，不代表真实就业预测。
JEV 做了什么
按预设问题对大量技能作多维判断，并把结果整理成可浏览的层级面板。
还能用在哪？
How2Jev 延伸推演，不代表作者或官方声明。
- 为技能目录制作多维评估原型
- 对一组条目批量应用同一份判断规则
ORIGINAL SOURCE
How2Jev 整理案例，项目与演示归原作者所有。
MORE LIKE THIS
由 Maxfusion 拆镜头，再让 Jev 判断广告特征
作者用 Maxfusion 分析广告镜头，再让 Jev 判断声明、证据、幽默和行动指引等特征。演示逐镜头概率与整体评分；这些评分不能证明实际转化表现。
为收藏短视频建立多维分类标签
作者让 Jev 为短视频资料判断开头、形式等特征，演示条目分类与散点图。未确认模型直接读取视频、完整八维实现或标签准确性，也不把标签当作传播保证。