它是什么
一个基于 Jev 的 B 站弹幕剧透过滤器，每条弹幕对应一个 Jev Score 问题。
它做什么： 拉取整部视频的弹幕，按文本去重，按批次连同五级量表（从只对当前画面做反应，到直接说出结局）一起发给 Jev，并在播放器解析之前从 protobuf 分段里剔除超过阈值的弹幕，因此 DOM 弹幕和 Canvas 弹幕都能被过滤。命令行工具可以离线跑同一套流程，并在空跑模式下预估成本。
为什么收进案例库： 很好地展示了用 Score 严重度加代码侧阈值做内容过滤，并通过去重、批量和缓存控制成本。
注意： 人工标注评测规模小；目前只支持 B 站。
证据
公开的 MIT 许可 README；每条弹幕一个 Jev Score 问题（0–4 级），当 score / 4 ≥ 0.6 时屏蔽（阈值可调，缓存的是严重度，改阈值无需重新调用接口）；每次请求约 160 条，并发 8，缓存键为规则版本 + 模型 + 弹幕文本；作者实测一部约 6700 条弹幕的视频成本约 0.08 美元、预热约 9 秒；`npm run verify` 在 29 条人工标注样本上测量精确率、召回率和 F1。
注意
- 初版只支持哔哩哔哩；因为 B 站拒绝扩展来源的请求，B 站请求都从页面上下文发出
- 准确率验证只用了 29 条人工标注样本；成本和延迟是作者自己的测量
- 会把弹幕文本以及视频标题和简介发送给 TypeSafe；每日判定上限 20 万条；需要自备 API 密钥
非官方案例页。热度用观察到的 stars / 列表位次；热度不是质量 SLA。依赖前请阅读上游 README。