jev-chat/jev-chat-jarvis（装在手机上的多平台对话副驾）

📅 2026-09-21 | 🏷️ 值得研究的仓库 | ⭐ ⭐5234（7天）
🔗 原文：https://github.com/jev-chat/jev-chat-jarvis

是什么

一个本周狂揽 5234 星的 Kotlin 安卓仓库：装在手机上的对话副驾，在微信、QQ、X、飞书里读懂对方消息、给出候选回复、一键填入输入框。官方描述："装在手机上的对话副驾：在微信 / QQ / X / 飞书里读懂对方、给出候选回复、一键填入输入框，发不发由你。非侵入，只读屏幕，不 hook 不改包。"

🔍 小白解读

先说几个词

• 非侵入：不对目标应用做任何修改或注入，就像在别人家窗外看风景，绝不进门动家具。
• OCR：光学字符识别，把图片里的文字变成可处理的文本，相当于「机器读截图」。
• 人在回路：AI 只提建议，关键动作由人按下确认键，司机永远握着方向盘。
• 本地推理：判断过程在手机上完成，数据不出设备，像在家里算账，账本不出门。

这篇到底在说什么

09-22 简报报道过 Jev 生态中的 jev-review（开发者侧工具）；本仓库是同一生态向消费级的延伸，新意在于多平台非侵入形态。它的思路是：不修改微信、QQ 等应用本身，只截取屏幕内容，用 OCR 读出对方说了什么，再由本地的小决策模型判断意图，生成候选回复填进输入框——发送永远由你手动按下。打个比方：它像一个站在你身后的文字军师，只小声提示「可以这么回」，绝不替你按键。隐私设计也很讲究：截图和判断都在手机本地完成，聊天内容不用上传云端。工程上是 Kotlin/Android 的无障碍能力与离线 OCR 的组合拳。同家族还有 jev-chat-windows（437 星，"微信（Windows 4.x）旁挂的回复辅助：窗口截图 + 本地离线 OCR 读对方消息 → Jev 判断意图 → 3 条候选一键填入，发送永远手动"）和 jev-chat-jarvis-mac（308 星，macOS 悬浮窗版），一周内三个平台齐发，热度可见一斑。当然，职场沟通依赖 AI 代拟的合规与伦理边界，也值得每个人自己想清楚。

这跟普通人有什么关系

面对不太会回的消息，它提供「提词器」式的帮助；同时它示范了 AI 辅助的正确姿势——建议归 AI，决定权归你。

为什么值得架构师关注

这是「只读屏幕 + 本地小模型」隐私边界设计的教科书案例：不 hook、不改包，绕开了对第三方应用的侵入风险与封号风险，也把数据合规问题压缩到设备内解决。「发送永远手动」的人在回路是产品级风控设计，值得所有 AI 辅助类产品借鉴。技术上，无障碍服务 + 离线 OCR + 类型化小模型的组合，验证了端侧 AI 副驾的可行架构；Android/Windows/macOS 三端复用同一生态，说明能力层可移植。风险点：各平台无障碍权限政策可能收紧，职场沟通场景的使用规范也尚无共识。

核心内容

• 非侵入设计：只读屏幕、不 hook、不改包，覆盖微信/QQ/X/飞书四大平台。
• 本地推理链：截图 → 离线 OCR → Jev 意图判断 → 候选回复一键填入，发送永远手动。
• 一周 5234 星，为本期 GitHub 最高热度仓库；Kotlin 实现，创建于 2026-09-21。
• 同家族三端布局：jev-chat-windows 437 星、jev-chat-jarvis-mac 308 星。

行动建议

研究其仓库（https://github.com/jev-chat/jev-chat-jarvis ）了解「无障碍 + OCR + 本地模型」的端侧 AI 架构落地方式；做 AI 辅助产品的团队可借鉴其人在回路与非侵入原则。普通用户使用前请评估所在平台的用户协议与职场沟通规范。