Jev Social
让 Jev 在真实浏览器中研究 Instagram、TikTok 与 LinkedIn。
- Star 数
- ★ 198
- 最近更新
- 4 天前
- License
- MIT
- 主语言
- JavaScript
- FA 评分
- 71/100 · 存在缺口
30 秒速览
- 运行形态
- 可在哪里用
- 平台专用
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 社交媒体研究员需要在 Instagram 上寻找特定领域的创作者，并进一步打开个人资料、帖子或 Reels、读取评论和保留来源证据。
- 不适合
- 无法使用 OpenRouter 与 Jev 决策模型的用户
- 需要覆盖 Instagram、TikTok、LinkedIn 以外平台的团队
这个 Agent 能做什么，适合哪些场景？
Jev Social 是一套本地运行的社交媒体研究代理，覆盖 Instagram、TikTok 和 LinkedIn。Jev 从动态生成的只读操作列表中选择下一步，socai CLI 则在真实 Chrome 中执行导航、点击、滚动和内容提取。系统会把每次观测结果送回 Jev，形成逐步决策循环，而不是让模型生成任意 Shell 命令或直接选择 DOM 坐标。输出包括流式帖子卡片、表格、来源链接、捕获文本与评论构成的证据报告，以及每步选择、置信度、命令、结果摘要和耗时记录。它通过 Node.js 20+ 在本机启动，仅监听 127.0.0.1:8766，并依赖具备 Jev 访问权限的 OpenRouter 密钥、当前版本的 socai CLI 和 Chrome。
用户提交研究目标后，Jev 先选择平台，再从 socai CLI 实际暴露的操作中选择下一步。Instagram 路径可搜索、打开个人资料及其帖子卡片、读取指定帖子或 Reel 及评论，并检查页面状态；TikTok 路径可搜索、打开作者、读取指定视频及评论、按需下载该视频媒体，并检查页面状态；LinkedIn 路径可搜索人物、内容或公司，读取选定的个人资料、公司、帖子、工作经历或教育信息，并检查页面状态。操作目标来自此前捕获的结果或用户明确给出的 URL；格式错误、不受支持或置信度低的决定不会执行，已经尝试的操作会从后续候选集中移除。每次 socai 执行结果都会返回 Jev，直到其选择 finish 或达到步骤上限。最终产物包括卡片、表格和带来源链接的证据报告；登录或访问限制、决策失败及步骤上限会产生部分结果，而不会被标记为完整成功。
- 社交媒体研究员需要在 Instagram 上寻找特定领域的创作者，并进一步打开个人资料、帖子或 Reels、读取评论和保留来源证据。
- 趋势分析人员需要搜索 TikTok 主题、检查选定视频及评论，并在确有需要时下载该视频媒体。
- 招聘或市场研究人员需要在 LinkedIn 搜索人物、公司或内容，并查看选定对象的资料、工作经历或教育信息。
- OSINT 分析人员希望使用真实浏览器中的已登录访问状态收集文本、评论和链接，同时保留逐步操作与置信度记录。
- 开发者需要通过本地 Web 界面、HTTP 搜索端点或命令行运行有明确结果数和最大步骤限制的社交平台研究任务。
如何安装或部署这个 Agent？
前置条件：Node.js 20+、具备 Jev 访问权限的 OpenRouter API 密钥、当前版本的 socai CLI，以及 Chrome。无需克隆仓库的最快方式：
npx --yes github:socai-io/jev-social onboard
npx --yes github:socai-io/jev-socialonboard 会询问密钥，并在缺少 socai CLI 时提供安装选项。
从源码安装：
curl -fsSL https://github.com/socai-io/socai/releases/latest/download/install.sh | sh
git clone https://github.com/socai-io/jev-social.git
cd jev-social
npm install
cp .env.example .env随后在 .env 中设置 OPENROUTER_API_KEY，并运行：
npm start服务仅在 http://127.0.0.1:8766 上监听。
如何使用这个 Agent？
启动本地界面后，保持平台为“Jev · auto”，输入研究目标并观察逐步操作记录。也可以直接使用命令行：
npm start -- search "find emerging design creators on Instagram" --platform auto --limit 4
npm start -- search "find AI wearable trends on TikTok" --platform auto --limit 4
npm start -- search "find AI product managers in San Francisco on LinkedIn" --platform auto --limit 4
npm start -- search "find handmade art on Instagram and read the comments" --limit 4 --max-steps 12--limit 控制目标结果数以及每次搜索或资料页的收集量，范围为 1–100；所有捕获记录都会保留，包括中间资料卡。--max-steps 控制决策循环，范围为 1–30，默认 12；每次执行操作或 finish 决定都会消耗一步。HTTP 搜索端点也接受 maxSteps。若不需要 Jev 决策循环，可直接运行 socai，例如：
socai instagram search "AI wearables" --num 10 --pretty
socai tiktok search "AI wearables" --num 10 --pretty
socai tiktok get-videos --video <url> --download-media --pretty
socai linkedin search "AI agents" --type content --num 10 --pretty这个 Agent 有哪些优点和局限？
- Jev 只能从 socai CLI 暴露的具体只读操作中选择，目标来自已捕获结果或明确 URL，不会生成任意 Shell 命令或随意操纵 DOM 坐标。
- 使用真实 Chrome 执行导航和提取，可利用实际页面状态，并覆盖 Instagram、TikTok 和 LinkedIn 三个平台的具体研究路径。
- 保存每一步的选择、置信度、命令、观测摘要与耗时，同时输出卡片、表格和带来源链接的证据报告。
- 对登录限制、访问门槛、低置信度决定、决策失败和步骤耗尽采取保守处理，可返回部分结果而不宣称完全成功。
- 既提供本地 Web 界面和 HTTP 搜索端点，也支持 npm 命令行；还可绕过 Jev，直接调用 socai CLI。
- 核心流程依赖具备 Jev 权限的 OpenRouter 密钥、Jev 决策能力和当前 socai CLI，并非模型或执行提供商无关的方案。
- 必须使用 Node.js 20+ 和真实 Chrome；运行速度会随 Jev 选择的操作数量及社交平台实时状态变化。
- 平台登录或访问门槛可能中断研究，只能得到部分结果；项目没有承诺绕过这些限制。
- 操作仅限已安装 socai CLI 暴露的命令，不能自由扩展到未列出的社交平台操作，也不会执行任意浏览器动作。
- 步骤上限最高为 30，且每次操作和 finish 都占用一步，复杂研究可能在完成前触及限制。
这个 Agent 与同类方案有什么区别？
与直接调用 socai CLI 相比，Jev Social 在每次观测后由 Jev 从动态候选操作中决定下一步，并自动整理卡片、表格及证据报告；直接使用 socai 更适合已经知道确切平台与命令、只需执行单次搜索或读取操作的用户。Jev Social 明确不把任务转交给另一研究代理，也不依赖 socai research。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| Jev Social 当前 | 71 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 198 | 4 天前 | JavaScript | — |
| socai | 65 · 存在缺口 | — | ★ 254 | 1 天前 | Rust | Codex · Claude Code |
| Bright Data MCP | 64 · 存在缺口 | MCP 服务器免费版 + 付费版 | ★ 2.7k | 1 天前 | JavaScript | Claude Code · Claude.ai |
| 社交媒体研究技能包 | 27 · 缺口较多 | Agent 插件 / 技能免费 + 模型费 | ★ 5.8k | 2 个月前 | Python | ChatGPT · Codex · Claude Code |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
代码测试显示操作受已知 CLI 命令、受支持平台、观察到的目标和严格 URL 校验约束；恶意域名、凭据化 URL、文件 URL、未知动作、低置信度及取消请求均会失败关闭，因此最小权限处理充分。README 清楚说明 Jev、OpenRouter、socai、真实 Chrome、捕获结果和报告之间的主要流向，并保留命令及来源链接；测试还验证事件中不泄露本地私有路径。扣分在于每一步由 Jev 自动选择，尤其媒体下载没有明确的逐操作用户确认；未完整说明哪些社交内容会发送给 OpenRouter、数据保存期限、浏览器 Cookie 隔离或密钥存储方式。依赖安装使用 latest 发布版和远程安装脚本，工作流 action 仅固定到主要版本，未见锁文件、依赖审计或供应链校验。外部效果总体以读取为主且服务器仅绑定回环地址，但媒体下载会写入本地；没有删除、清理或回滚捕获数据及下载文件的说明。来源归属方面，报告基于捕获文本、评论和源链接，并保留证据命令，证据充分。
README、包元数据和测试对三平台、类型化路由、动作循环、步骤限制及部分结果的描述一致。测试覆盖登录门槛、步骤耗尽、取消、低置信度、非法动作和路由不匹配，并展示明确错误码或停止原因，因此一致性和失败信息较强。扣分在依赖可用性：运行依赖 Node 20、OpenRouter/Jev、真实 Chrome 和外部 socai CLI；虽有安装指引和缺失时的安装流程，但 socai 使用当前或 latest 版本而非兼容性锁定，平台变化也会影响运行。
README 给出了创作者、趋势、人员和评论研究等具体场景，支持 CLI、HTTP 服务、自动或显式平台、结果数量和最大步骤配置。能力边界明确限定为 Instagram、TikTok、LinkedIn 的列举操作，未知平台、畸形响应和不支持请求会被拒绝；测试充分覆盖结构化选择、显式平台约束和观察目标过滤，因此触发精度很强。扣分在于受众角色和部署场景说明较少，环境依赖真实 Chrome、登录状态、外部服务与特定 CLI，未说明容器、无头环境、代理或企业部署适配。
README 结构清楚，涵盖架构、操作表、运行要求、安装方式、参数和示例；包名、命令名及平台术语总体一致。源码安装和免克隆路径都较完整，MIT 元数据与完整许可证一致。扣分在于没有 FAQ，示例集中于成功搜索；虽提到登录门槛、步骤上限、速度变化和部分结果，但缺少更系统的隐私、平台条款、速率限制及兼容性限制清单。版本为 0.1.1，但未提供变更日志或版本迁移说明。SECURITY.md、问题跟踪和私密漏洞报告提供维护入口，但仅称最新版本和 main 获支持，许可证署名为泛化的 contributors，未明确具体维护负责人或发布治理。
输出包含操作历史、流式事件、卡片、表格、报告、评论、源链接和证据命令；测试展示详情合并、评论保留、精确视频选择以及诚实的部分结果，静态证据支持较高的可用性。将类型化决策与真实浏览器证据循环结合，相比单次搜索或无约束生成具有明显增量价值。成本收益被扣分，因为只说明速度随步骤和实时网站变化，需要 OpenRouter 密钥及外部浏览器运行时，却没有 API 费用、典型耗时、请求量或资源开销数据。
每个操作记录选择、置信度、命令、观察摘要和耗时，报告保留来源链接；测试验证报告内容来自捕获结果，并排除未选择或恶意来源，因此声明追踪性证据充分。扣分在于没有明确要求同一事实由多个独立来源交叉验证，来源链接本身不等同于交叉佐证。捕获证据、操作历史和报告有所区分，门槛或步骤耗尽不会被宣称为成功；但材料未展示报告如何标注推断、不确定性或事实与综合判断的逐项边界。
- 源码中未见：回滚或恢复路径运行前先备份，或在 git 分支、快照上操作，确保改动可以撤销。
- Jev 会自动选择并执行后续读取操作，且可选择下载 TikTok 媒体；材料未显示下载前的明确用户确认。
- 运行依赖 OpenRouter、真实 Chrome、社交平台登录状态及外部 socai CLI；使用 latest 安装方式会带来兼容性和供应链变化风险。
- 未说明发送至 OpenRouter 的完整数据范围、捕获数据与下载媒体的保留期限、清理方式或 Cookie 隔离策略。
- 报告具备来源追踪，但没有证明对关键事实实施独立的跨来源交叉验证。
- 本结论仅来自所给静态文件，未执行程序、测试或依赖审计。
最近版本
来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。
-
v0.1.13 Jev Social v0.1.13 — supported Node LTS
发布说明摘录
Jev Social v0.1.13 is a runtime-support and CI maintenance release. Highlights - Supported Node LTS: the runtime floor is Node.js 22, .nvmrc selects Node 24, and hosted tests cover Node 22 and 24. - Current CodeQL: CodeQL init and analysis use the official GitHub-verified v4.38.2 action pinned to an immutable commit. - Aligned distribution: package, plugin, Pages, benchmark, troubleshooting, and Agent Skill metadata identify v0.1.13. - Immutable Skill chain: runtime, Skill source, and OpenClaw instructions resolve through exact commits instead of a mutable branch. …在 GitHub 查看 ↗ -
v0.1.12 Jev Social v0.1.12 — CodeQL hardening
发布说明摘录
Jev Social v0.1.12 publishes the CodeQL-driven runtime hardening added after v0.1.11. Highlights - Bounded input cleanup: trailing URL punctuation and long quote runs are handled with linear scans instead of input-dependent regexes. - Stable reports: Markdown table values now escape pipes and backslashes exactly once, preserving captured evidence text without malformed tables. - Safer redaction paths: redundant path matching was removed while existing local-path sanitization coverage remains intact. …在 GitHub 查看 ↗ -
v0.1.11 Jev Social v0.1.11 — reliable evidence previews
发布说明摘录
Jev Social v0.1.11 makes captured evidence more reliable and accessible in the local demo. Highlights - No false empty state from alias order: when an early items, results, or other known container is empty or invalid, the UI keeps looking for later captured records. - Accessible video controls: card and detail video previews now carry record-specific accessible names. - Stable compatibility: direct-array evidence keeps its prior shape, preview fallbacks remain intact, and the local server explicitly serves the extracted evidence helper. …在 GitHub 查看 ↗