choxos/jev-reviewer · 上手攻略

• 仓库：choxos/jev-reviewer
• 链接：https://github.com/choxos/jev-reviewer
• 分类：academic-writing
• 作者：Jay
• 更新：2026-09-20

这是什么

Jev Reviewer（访问入口还有 https://choxos.github.io/jev-reviewer/）是一个纯浏览器端系统评价（Systematic Review）数据提取工具。研究者打开一篇论文的 PDF、补充材料、试验方案或数据表格，直接提问——例如"入组年龄范围是多少""谁资助了这项研究""随机化人数几人"——工具从文档中返回逐字引用（verbatim quote），标注来自哪个文件的哪一页、哪一段或哪一行，并在原文件中高亮显示该位置。无需安装、无需 API Key、完全在本地浏览器运行，数据不上传任何服务器。

核心设计哲学：只选不生成——所有答案候选行都从真实文档中读取，Jev 模型只判断"哪一行回答了问题"，引用文本由代码直接从文件中复制，不经 LLM 润色，因此不会产生幻觉。每个答案都有来源锚点，reviewer 可直接点击高亮区域验证。

解决什么问题

传统系统评价数据提取有两个深层痛点：①结果难以审计：手工复制粘贴的提取结果，reviewer 无法回溯"这个数字来自哪一页"；②多人协作版本混乱：不同 reviewer 提取的表格汇入时经常出现格式不统一、来源不清的问题。Jev Reviewer 通过逐字引用 + 浏览器本地存储 + 结构化导出解决：每个答案都附精确文件页码行号，reviewer 直接校验；提取表可导出为 CSV/Excel，格式统一，来源随行。

快速上手

直接使用（零安装） 访问 https://jevreviewer.xera.ac/ 或 https://choxos.github.io/jev-reviewer/

本地运行

git clone https://github.com/choxos/jev-reviewer.git
cd jev-reviewer
# 用任意静态服务器打开 index.html，或直接在浏览器中打开
open index.html

注：本地运行同样不需要任何 API Key，依赖浏览器自带的 PDF.js 等原生组件，Chrome/Edge/Safari/Firefox 均可。

核心用法

1. 创建项目和导入研究

打开 Jev Reviewer，左侧栏点击 + 创建新项目，输入项目名称（如"某药物Meta分析数据提取"）。在项目内点击 + 添加研究（Add Study），可以： - 手动拖入文件：支持 PDF、Word（.docx/.doc）、Excel（.xlsx/.xls）、PowerPoint（.pptx）、OpenDocument（.odt/.ods/.odp）、RTF、HTML、CSV、TSV、纯文本或 Markdown - 从文献管理器导入：支持 EndNote、Zotero、Mendeley 库导出，或 PubMed、Scopus、Web of Science、Covidence、Rayyan 数据库导出（同时带入 PDF）

⚠️ 注意：导入功能传的是文献库/数据库的导出文件，不是直接把 Zotero 库文件夹丢进去。需要先从文献管理器导出，再导入 Jev Reviewer。

2. 提问与两轮提取

进入研究后，点击 Ask，选择提问范围： - This study（当前研究）：只问当前打开的文件 - Every study（所有研究）：批量问完项目内所有研究，自动跳过每个研究中已经回答过的问题

提问方式支持： - 手动打字：在弹窗中直接输入问题 - 上传 CSV/TXT：每行一个问题，适合固定提取表 - 使用内置模板：Trial Characteristics（研究特征）、RoB 2（随机对照试验风险偏倚）、ROBINS-I（非随机干预研究风险偏倚）、QUADAS-2（诊断准确性研究）、TIDieR（干预措施描述完整性）、Outcome Data（结局数据）、Transparency（透明度）等现成提取表

Jev 模型对每个问题分两轮处理（这是理解 Jev Reviewer 机制的关键）： 1. Pass 1 — Screening：对每个文件的每个文本块（PDF 的句子、Word 的段落、Excel 的行、幻灯片的单张）发一个 Choice 请求，问"这段文字（如果有）是否回答了问题"。模型只返回文件:行ID，不返回文字。 2. Pass 2 — Verify：对每个问题的候选行，分别发一个 Noul 请求（绝对判断），问"这一行本身是否回答了问题"。代码取 Noul ≥ 0.5 的行，相邻行合并，附加表格标签。

两轮设计的用意：Screening 是相对判断（"哪段好"），Verify 是绝对判断（"这段是否真的回答了问题"），后者对"均值(标准差)"vs"中位数(IQR)"这类需要精确匹配的回答尤为重要。

3. 校验与采纳答案

每个答案卡片展示： - 引用原文（代码从文件中直接复制，逐字截取） - 来源文件编号（如 A=PDF、B=Word分析计划书）、页码、段落或行号 - 该行在文件中的高亮区域（点击可跳转查看上下文） - 三个按钮：绿色勾（采纳为答案）、铅笔（人工编辑标注）、方块（查看完整上下文）

⚠️ 重要：所有答案都需要人工审查。Jev 模型返回的是"模型认为最相关的引用"，不保证是"reviewer 需要的正确答案"。尤其是当多个文件都包含相关文字时，必须人工判断哪个是正确来源。

"未找到"（Not found）或"不明确"（Unclear）也是合法答案，工具不会为此捏造内容，这本身就是设计上的诚实边界。

4. 批量提问与增量提取

Ask the missing answers（提取表中）：只问尚未回答的问题，适合新增文件后补充提取。

Ask again（单研究视图）：对已回答的问题重新提问，可用于模型版本更新后重新提取。

已审查过的答案不会被自动覆盖——如果问题措辞改变，旧答案会保留（变灰），新答案以新 ID 标注在旁边。

5. 导出数据

在提取表格（Extraction Table）视图，可按两种粒度导出： - 每研究一行：该研究所有问题的已采纳答案汇总 - 每引用一行：每个已采纳引用单独一行，适合需要逐条溯源的 PRISMA 流程

格式支持 CSV（Excel 打开无乱码）和 Excel 原生格式。

支持文件格式一览

文件命名约定：每个上传的文件分配一个字母编号（A、B、C……），引用中以"文件:行ID"形式标注（A001、B023 等）。

典型适用场景

• Cochrane / PRISMA 系统评价：需要逐研究提取数据并附引用来源，满足期刊对数据溯源的要求
• Meta 分析数据提取：连续变量（均数±标准差）、二分类变量（事件数/总人数）、亚组分析数据
• 风险偏倚评估：RoB 2（随机对照试验）、ROBINS-I（非随机干预研究）等标准化工具
• 报告规范核查：TIDieR（干预措施描述完整性核查）、Consort 对应检查项
• 诊断准确性研究：QUADAS-2 提取表模板直接可用

坑与注意

1. ⚠️ 答案必须人工最终校验：这是核心约束，工具返回的是"相关引用"不是"正确答案"。对任何纳入研究的数据负责的是 reviewer，不是工具。
2. 浏览器存储 ≠ 永久备份：数据全部存在 IndexedDB，清除浏览器数据或换浏览器会丢失。需要定期手动导出项目（项目面板有导出选项），建立自己的备份机制。
3. 跨设备无法同步：纯客户端设计，无账户体系，换设备只能通过导出/导入项目文件迁移。
4. 扫描 PDF 无法提取：图片型 PDF（扫描件）无文字层，工具无法读取，需要先用 ocrmypdf 或 Adobe Acrobat OCR 处理后再导入。
5. ⚠️ Jev 模型不可替换：Jev 是 TypeSafe System One 的模型，闭源闭权，无开源计划，不可本地部署，不可切换其他模型。模型能力上限就是提取质量上限，无替代路径。
6. 表格跨页提取：跨页大型表格行列对齐可能不完美，Excel 复杂格式（合并单元格、跨列公式）支持有限，需要手动校正。
7. 文献管理器导入格式：需要各平台的官方导出格式（.nbib、.ris、.csv 等标准格式），直接拖库文件大概率失败。

与同类对比

Jev Reviewer 的核心优势是引用精度（逐字+高亮）、多格式同一视图和零成本零安装；主要劣势是无云端协作和无开源模型替代。

一句话推荐

做系统评价/元分析需要从 PDFs、Word、Excel 里提取带来源行号的逐字引用——不想付费用 Covidence，又不想手功复制粘贴——Jev Reviewer 是目前最直接的免费方案，只要记住每个答案都要人工核对，它只负责找，你负责判断对不对。