GitHub 周增长 700% 霸榜第一!这个开源 AI 助手让微信/QQ 秒变“自动回复“:免 Root、无需官方 API

Jev聊天助手:无障碍服务与OCR读屏+DeepSeek候选回复实战 无障碍服务与OCR识别是屏幕内容理解的核心技术,前者通过系统视图树直接获取文本节点,后者借助图像预处理与文字识别引擎实现降级读取。在聊天辅助场景中,结合大模型语义理解生成候选回复,可显著降低人工操作成本。Jev聊天助手采用读屏、判断、候选回复三段式架构,优先使用无障碍服务,降级时接入PaddleOCR等引擎,并通过DeepSeek API或本地模型完成意图理解与回复生成,适用于客服辅助、效率工具开发等场景,为屏幕理解类应用提供了可复用的工程实践参考。 阅读详情

项目卡片 | Jev 聊天助手(jev-chat-jarvis)

  • GitHub:https://github.com/jev-chat/jev-chat-jarvis
  • 爆火数据:周增长约 700%,登顶 GitHub 增长榜;短短时间拿下 5000+ Star(数字还在涨)
  • 技术栈:Kotlin | Android 11+ | MIT 协议 | 另有 macOS / Windows 版本
  • 一句话亮点:装在手机里的"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。不 Root、不改包、不 hook,更不需要任何官方 API。

Jev 聊天助手 Logo

一、为什么它突然就火了?

最近这两天,开源圈被一个叫 Jev 聊天助手 的项目刷屏了:周增长约 700%,直接冲上 GitHub 增长榜第一,Star 像坐了火箭。

它戳中的痛点其实特别朴素——“对方发来消息,我不知道怎么回”。

老板深夜发问、相亲对象尬聊、群里 @ 你、客户连环追问……回得太快显得闲,回得太慢不礼貌,回得太直又怕得罪人。于是大家都在想:要是有个 AI 能在旁边悄悄告诉我"这话啥意思、该怎么接",该多好。

可现实是,微信这类 App 根本不开放聊天机器人 API;市面上的方案要么需要 Root / Xposed(怕封号),要么得把聊天记录上传到某个第三方服务器(怕隐私)。Jev 聊天助手恰好把这两条路都绕开了,所以一出现就爆。

二、它到底能干什么?

严格说,它不是"替你聊天"的机器人,而是坐在你旁边的对话副驾:

  • 微信 / QQ / X(Twitter) 智能回复建议:对方发消息,它在悬浮窗里给出对方的真实意图、危险等级,以及 3 条排好序的口语化候选回复,点一下就能填进输入框。
  • 基于无障碍服务,免 Root、免官方 API:不 hook、不改包、不注入进程、不登录对方账号,靠安卓系统的无障碍能力读"屏幕上正在显示的对话",和读屏软件一个原理。
  • 本地优先,保护隐私:API 密钥存在 App 私有空间,聊天内容只在你点分析的那一瞬间发给你自己配置的模型接口,不落盘、不进日志,项目方没有自建服务器。
  • 支持多种大模型后端:内置 OpenRouter、TypeSafe 直连、DeepSeek 官方、通义(Qwen)兼容等预设,判断 / 回复 / 视觉三路接口分别可配,想接哪家接哪家。

Jev 微信群聊实测:先给出意图"要你办事"和危险等级,再提供 3 条候选回复,点"填入"即写入输入框

还有个很暖的设计:它内置本地知识库和联系人档案。你可以给某个人、某段关系做备注,分析时自动带上,回复风格不会和你的真实人设"打架"。

三、技术原理:无障碍 + 悬浮窗 + LLM

拆开看,整个链路其实就三步:

  1. 读屏(AccessibilityService):服务根据当前前台 App 包名,分发到对应的"适配器"。适配器只干一件事——把当前界面解析成"标题 + 消息列表"。微信新版本节点做了混淆,它会伪装成系统无障碍服务去读气泡,实测新版微信仍可读。
  2. 理解与生成(LLM):这是它和普通"AI 代写"最大的区别——先判断,再写字。先用判断模型给出意图、危险等级(1–9)、该不该马上回、最佳动作(约 1 秒);再让生成模型起草 3 条候选,最后由判断模型排序并给出占比。
  3. 呈现与填入(悬浮窗):通过"显示在其他应用上层"的悬浮窗展示分析面板,点击候选后用 ACTION_SET_TEXT 写进输入框,失败则自动退回剪贴板粘贴。

如果某些 App(比如飞书)的正文是自绘的、不在无障碍树里怎么办?它会对气泡矩形截屏,再用 ML Kit 中文离线模型做 OCR——图片不上传、不需要谷歌服务,任何 App 还能手动"截屏识别一次"。新增一个 App,往往只要写一个几十行的适配器。

四、安全与隐私:副驾,不是代驾

很多人一听"无障碍服务能读微信"就紧张,这里必须说清楚:

  • 为什么用无障碍? 因为这是安卓官方提供、无需 Root 就能感知界面内容的正规通道,本质和给视骜人士用的读屏软件一样。它不修改、不注入你的聊天软件,因此不触碰封号风险点。
  • 数据不经过第三方:请求直接从你的手机发到你填的模型地址,中间没有项目方的服务器,密钥也只存本地。
  • 发送权永远在你手里:程序只填字、绝不自动发送,转账、红包、收款一律不碰。换句话说,它负责"建议",踩油门的始终是你。

五、支持的平台和模型

  • 平台:微信 Android(全链路)、QQ Android(全链路,含群聊)、X / Twitter 私信(全链路)、飞书 / Lark(OCR 兜底);其它任意 App 支持手动截屏识别。桌面端还有独立的 macOS 版和 Windows 版。
  • 模型:判断 / 回复 / 视觉三路独立配置,内置 OpenRouter、DeepSeek、通义等预设;默认回复模型为 DeepSeek Chat,最省事的做法是只填一把 OpenRouter Key,其余两路自动继承。

六、三步上手

  1. 装包:到仓库 Releases 下载签名好的安装包(Android 11+),也可 adb install -r 安装。
  2. 填密钥:打开 App → 设置 → 接口,新手只填"判断接口"的 OpenRouter Key 即可用。
  3. 开权限:按向导开启「无障碍」「悬浮窗」,小米 / HyperOS 还需设置自启动 + 关闭省电限制,否则后台会被冻结。

设置页:OpenRouter 密钥、回复生成模型、关系描述、自动分析开关与悬浮窗透明度

七、适合谁用?

  • 社恐 / 尬聊党:不知道怎么回时,先看看 AI 读出的"潜台词"和候选。
  • 销售 / 客服 / 运营:高峰期快速起草专业又不失温度的回复,效率翻倍。
  • 大忙人:一眼判断哪些消息必须立刻回、哪些可以稍后,把注意力花在刀刃上。
  • 开发者:研究无障碍服务、悬浮窗、多模型路由和端侧 OCR,是个非常好的实战参考项目。

八、写在最后

Jev 聊天助手的聪明之处,在于它没有去硬碰"官方 API"和"Root 改机"这两堵墙,而是用无障碍服务 + 悬浮窗 + 多模型后端,做了一个只读、只建议、把发送权留给用户的"对话副驾"。这种克制的设计,既规避了封号与隐私风险,也让 AI 真正落在了一个高频刚需的场景里。

如果你也总被"该怎么回"难住,不妨去给它点个 Star,亲自试试:

  • GitHub 地址:*https://github.com/jev-chat/jev-chat-jarvis+
阿里云+OpenClaw+GLM-5:2026新手AI自动化部署实战指南 AI智能体(AI Agent)是当前大模型落地的核心形态,其本质是将自然语言指令转化为可执行任务的自动化系统。实现这一目标需三大支柱:轻量级任务编排引擎(如OpenClaw)、开箱即用的云基础设施(如阿里云预装镜像)、以及稳定可靠的LLM推理服务(如智谱GLM-5)。技术价值在于降低AI工程门槛,让非技术人员也能通过确定性流程完成周报生成、网页抓取、代码编写等真实办公场景任务。本文聚焦零基础用户,详解如何在阿里云轻量服务器上,借助OpenClaw技能市场与GLM-5 API,12分钟内完成端到端AI助理部署 阅读详情

相关推荐

开源版Jev本地部署全攻略:从环境准备到接口测试的完整实操

本地部署大语言模型是当前AI工程化的热门方向,其核心原理是将模型推理、向量检索与接口服务全部运行在自有硬件上,从而保障数据隐私、降低响应延迟并实现深度定制。对于希望掌控数据主权或评估开源替代方案的团队而言,掌握本地部署能力具有重要技术价值,可广泛应用于企业内部知识库、智能客服与私有化对话系统等场景。开源版Jev作为支持本地化运行的智能对话与数据处理系统,提供了从对话引擎、检索模块到接口层的完整架构,并兼容GGUF、AWQ等量化格式与Chroma、Milvus等向量数据库。本文将围绕Jev的本地部署流程,拆解

weixin_29061425的博客 348

Jev 聊天助手评测:这款免费「对话副驾」如何 1 秒读懂对方真实意图,一键填入 3 条候选回复

Jev 聊天助手是一款装在手机上的免费开源「对话副驾」:在微信 / QQ / X / 飞书里读懂对方最新消息,约 1 秒给出真实意图与危险等级判断,起草 3 条候选回复,一键填入输入框——发不发永远由你自己决定。不 hook、不改包、不自动发送,隐私留在本机。本文从功能体验、上手步骤、隐私成本三个角度,完整评测这款聊天回复助手。 [![Jev 聊天助手评测实拍:悬浮窗显示意图判断与 3 条候选回

gitblog_01427的博客 797

运行stable-diffusion出现的问题

解决:即用 https://github.com/CompVis/taming-transformers/blob/master/taming/modules/vqvae/quantize.py 新文件,替换错误提示文件中的全部内容即可。5.新建文件夹 CompVis/stable-diffusion-safety-checker/将下载的四个文件放入 解决!后面还会遇到'openai/clip-vit-large-patch14离线下载的问题,同样步骤解决。解决:下载后离线,步骤如下。

weixin_52121118的博客 2348

GitHub jevchat项目揭秘:将Jev转化为聊天模型,多种模式玩法多!

了解Jev,`jevchat`将其转化为聊天模型,每步向Jev提问,根据概率抽取符号直到抽到停止符。有多种字母表和采样策略可选,项目有趣但成本高。是由Claude加速的实验。

IT界那些事儿 316

RJ45以太网接口EMC设计方案

RJ45以太网接口EMC设计方案 一、 接口概述 RJ45以太网接口是目前应用最广泛的通讯设备接口,以太网口的电磁兼容性能关系到通讯设备的稳定运行。赛盛技术应用电磁兼容设计平台(EDP)软件从接口原理图、结构设计,线缆设计三个方面来设计以太网口的EMC设计方案。 二、 接口电路 原理图的EMC设计 百兆以太网接口2KV防雷滤波设计 图1 百兆以太网接口2KV防雷滤波设计 接口电路设计概述: 本方案从EMC原理上,进行了相关的抑制干扰和抗敏感度的设计;从设计层次解决EMC问题;同时此电路兼容了百兆以太网接

兰陵笑笑生SD的博客 1万+

Rokid眼镜高精度图像识别的五大工程破局点

图像识别是AR交互的基础能力,其核心在于将现实图像映射为可计算的数字特征,并通过几何建模解算空间姿态。在专用AR眼镜场景中,该过程面临光学畸变、传感器时序错位、低延迟跟踪与人因适配等复合挑战。尤其在工业现场,Rokid Max系列的鱼眼镜头畸变、IMU-视觉异步采样、窄FOV下快速眼动等物理约束,使传统基于AR Foundation或OpenCV的识别方案失效。本文聚焦真实部署中的关键瓶颈,涵盖实时反畸变纹理渲染、原生SDK直调优化、端侧轻量CNN模型(TinyImageNet-Rokid)、IMU-视觉紧

weixin_33681778的博客 697

Jev 聊天助手校准教程:用 25 条标注对话集调准中文判断命中率

Jev 聊天助手是一款装在手机上的对话副驾,能在微信 / QQ / X / 飞书里读懂对方消息、生成候选回复并一键填入输入框。如果你希望它对中文对话的判断更准,本教程带你用一套标注对话集,一步步跑通「Jev 校准」,把中文判断命中率调到达标线。 [![Jev 聊天助手校准效果:悬浮窗展示对话判断分析与候选回复](https://raw.gitcode.com/gh_mirrors/je/jev-

gitblog_00683的博客 187

深入浅出:利用NXP S32K3xx的HSE模块实现OTA双分区(AB Swap)与安全回滚

本文深入解析NXP S32K3xx HSE模块在汽车电子OTA双分区架构中的工程实践,详细介绍了HSE模块如何通过AB Swap双分区机制实现固件安全升级与毫秒级回滚。内容涵盖内存重映射硬件原理、分区切换异常处理及寄存器级诊断方法,为开发高可靠嵌入式系统提供实战指导。

weixin_30919429的博客 797

Jev 聊天助手(jev-chat-jarvis)隐私架构全解:数据流向、本机存储与用户控制

Jev 聊天助手是一款运行在手机上的"对话副驾":通过无障碍服务读取当前聊天窗口的屏幕内容,把文本发给你**自己在设置页配置**的模型接口做意图判断与候选回复,再把候选填回输入框由你决定是否发送。本文以仓库根目录 [PRIVACY.md](https://link.gitcode.com/i/98967ad8912be4d7bb967d217481bc5b)(版本 v1.0,生效日期 2026-0

gitblog_00669的博客 317

基于RK3568的YOLOv11模型端侧推理优化与部署实战指南

在AI边缘计算领域,瑞芯微RK3568芯片凭借其强大的NPU算力和丰富的接口资源,成为了众多开发者的首选平台。然而,瑞芯微官方文档虽然提供了YOLO11预训练模型的部署方案,但对于需要自定义数据集训练的开发者来说,从模型训练到板端部署的完整流程却缺乏详细指导。本文将带你走完从环境搭建、数据准备、模型训练到最终板端部署的完整技术路线,并分享实际开发中遇到的各种坑点和解决方案。让我们一起探索如何在RK3568平台上实现30FPS稳定推理的YOLO11目标检测应用!

m0_64661770的博客 115

自动化测试与AI的结合应用

自动化测试,人工智能,机器学习,深度学习,测试用例生成,缺陷预测,测试优化 1. 背景介绍 在软件开发领域,自动化测试已成为不可或缺的一部分,它可以提高测试效率、降低测试成本,并确保软件质量。然而,传统的自动化测试方法往往依赖于人工编写的测试用例,这不仅耗时费力,而且难以应对复杂软件

AI架构师小马 2247

Jev 聊天助手如何读 4 种聊天:微信、QQ、X、飞书的采集方式逐一拆解

Jev 聊天助手是一款装在手机上的**对话副驾**:它在微信、QQ、X 和飞书里读懂对方消息,给出候选回复,一键填入输入框,发不发由你决定。全程**只读屏幕**,不 hook、不改包、不碰数据库。这篇文章逐一拆解它在这 4 个平台上各自不同的采集方式,帮你理解「非侵入式聊天助手」到底是怎么工作的。 [![Jev 聊天助手在微信中展示意图分析与候选回复](https://raw.gitcode.c

gitblog_00950的博客 596

【图像超分】论文精读:RepSR: Training Efficient VGG-style Super-Resolution Networks with Structural Re-Paramete

摘要: 本文提出RepSR,一种基于结构重新参数化和批量归一化(BN)的高效VGG式超分辨率网络。针对SR任务中BN易引发伪影的问题,作者通过分析发现训练-测试阶段的不一致性是主因,并提出先使用小批量统计训练、后期切换为总体统计的优化策略。RepSR块设计包含干净的残差路径和带改进BN的扩展-压缩卷积路径,有效平衡了训练非线性与推理效率。实验表明,RepSR在不同模型规模下优于现有重参数化方法,且实际推理速度更快。该工作为SR提供了性能与效率兼优的解决方案,相关代码未开源。 关键词: 超分辨率、结构重参数化

主要更新底层视觉(去噪、超分等)相关的科研内容,形式为【论文精读】+【论文复现】 305

Jev 聊天助手悬浮窗面板详解:一键复制、填入输入框,以及「永不自动发送」的设计底线

Jev 聊天助手(jev-chat-jarvis)是一款装在手机上的「对话副驾」:在微信 / QQ / X / 飞书里读懂对方、给出候选回复、一键复制或直接填入输入框,发不发由你决定。它只读屏幕、不 hook、不改包,而整条链路里有一条铁律——**程序永不自动发送消息**。这篇文章带你逐块拆解它的悬浮窗面板:每个元素长什么样、一键复制和填入是怎么实现的,以及「永不自动发送」这条设计底线落在代码里的

gitblog_00684的博客 313

Apifox接口测试+自动化测试

Apifox 接口测试+自动化测试快速入门!

程序员小杨哥的博客 1万+

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

Jev 聊天助手(jev-chat-jarvis)Android 端架构与源码解析:无障碍采集、Jev 判断、OCR 兜底与安全回填全链路指南

Jev 聊天助手是一款运行在 Android 手机上的「对话副驾」:它在 QQ、X(Twitter)、飞书等聊天界面里读懂对方最新消息的真实意图,给出 3 条候选回复并排好顺序,你点一下即可填入输入框,**发送键永远由你自己按**。本文以本仓库的 [README.md](https://link.gitcode.com/i/23c8de57b4d95710cec775998b67026c) 为主体

gitblog_01007的博客 304

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

一文了解硅谷超级爆火的Jev模型到底是啥?

GPT、Claude、DeepSeek 代表的是我们熟悉的“人向 AI 提问,AI 向人回答”。Jev 代表的是另一种方向:软件向 AI 提出明确问题,AI 返回程序可以直接消费的判断,程序再根据概率和置信度决定下一步动作。如果你只是想找一个聊天助手,Jev 未必是第一选择。但如果你正在开发客服系统、审核流程、知识库工具、Agent 或企业自动化应用,Jev 值得实际跑一次 Playground,再用一个小数据集测试它是否适合你的判断任务。

乔伊-AI编程&创业随笔 322

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

使用 Amazon SES v2 构建每周优惠券新闻通讯:订阅列表管理与模板化邮件发送实战

本指南基于 AWS Code Examples 仓库中的 SES v2 Coupon Newsletter 场景规范([SPECIFICATION.md](https://link.gitcode.com/i/d8f2dc4e41f6a26ad90b39c6a6f68046))及其多语言参考实现,完整讲解如何用 Amazon Simple Email Service v2 API 管理一份周报订阅

gitblog_01181的博客 89

本地化AI聊天助手:数据主权与零信任架构实践

本地化AI聊天助手是面向隐私敏感场景的基础技术方案,其核心在于将大语言模型推理、数据处理与状态管理完全收敛于终端设备。原理上依赖纯单体进程架构、内存级数据流切割(输入缓冲→处理工作区→输出暂存)及强制锁页/安全清零等系统级控制手段,确保原始对话不落盘、不联网、不交换。技术价值体现在可验证的可控性——用户可通过ss、pmap、jev-audit等工具实时审计网络连接、内存驻留与文件描述符。典型应用于医疗问诊、法律咨询、离线科研等强合规场景。本文深入解析Jev-chat-jarvis如何以‘三段式数据流’和‘零

weixin_29061531的博客 217

GitHub 日榜周榜被Jev系项目反复刷屏:开源智能体「判断层」是不是正在成为新赛道

2026 年 9 月 15 日,前 OpenAI InstructGPT 核心作者 Diogo Almeida 创立的 TypeSafe AI,带着 4000 万美元种子轮融资从隐身状态亮相,发布了首个不生成文本、只做决策的 "System One" 模型 Jev。两周之后,它的影响力以另一种方式被量化:GitHub 周榜 20 个席位里,至少有 8 个项目的名字与 "判断 / 决策" 直接相关,

gitblog_00840的博客 61

GitHub 开源热榜项目-周榜(2026-09-28)

本周榜单清晰呈现三条主线:一是 AI Agent 从"能对话"走向"能决策、能上线、能管理",基础设施层项目密集涌现;二是 决策模型(Jev/CLM 系)成为独立赛道,追求比 LLM 更快更省的"系统1"能力;三是 AI 生成内容进入工程化阶段,可复现渲染管线与人工审批机制成为标配。此外,隐私与安全几乎成为所有项目的共同卖点——本地运行、密钥不外流、操作需确认,反映出开发者对"可控 AI"的强烈需求。

nmy_2360的博客 254

本地化AI聊天助手:数据主权与端到端隐私实践指南

本地AI聊天工具正成为教育、法律、咨询等敏感场景下的刚需技术方案。其核心在于将大模型推理、对话存储与知识检索全流程约束于用户设备端,实现真正的端到端隐私控制。相比云端服务,本地化架构虽牺牲部分便利性,却换来可审计的数据路径、操作系统级的权限粒度和断网可用的确定性。关键技术支撑包括本地向量数据库(RAG)、分层JSONL持久化、系统密钥管理(Keychain/DPAPI)及内存隔离推理。Jev-chat-jarvis 以‘可追溯、可隔离、可擦除’为设计信条,让非技术人员也能通过文件夹、文本编辑器和右键菜单完成

weixin_33402252的博客 253

通过 AIGC 生成视频何时才能告别“抽卡”!

如果视频的主体内容已经符合要求,只存在错误字幕或局部画面瑕疵时,重新生成不仅增加成本,还可能改变原本满意的部分。针对这类问题,WAND-EraseVibe+ 提供了视频擦除与画面重建能力。根据腾讯云披露的技术方案,该工具采用基于隐空间 Transformer 的生成式修复架构,先将视频画面编码为隐空间特征,在特征层推断并重建需要修复的区域,再解码为视频画面。白模前置、垂直场景调优和局部修复分别作用于不同环节,目的都是减少为了获得可用内容而付出的重复生成成本。

Enweitech Software Works 155

爱查宝 AIGC 检测效果实测:对标知网维普朱雀

本文深度评测一款AI文本检测工具,从核心引擎机制、多场景实测到与知网、维普等系统的对比,全面分析其在识别纯AI生成、人工改写及混合内容中的表现。结果显示,该工具基于困惑度与爆发度的双维度模型,具备高精度与强适应性,尤其在细粒度报告呈现、可视化解读和长文稳定性方面优势显著。尽管存在对极规范化文本的误判风险,但通过人工复核可有效规避。结论强调:技术应服务于人,助力学术诚信与创作真实,而非取代判断。

深夜代码酒神 286

星耀影都AIGC微短剧创作培训营第二期开启报名

据悉,本期导师汇集了多位行业资深专家,既有深耕一线的爆款微短剧操盘手,也有AIGC领域的前沿探索者,包括:AI漫剧《风水天师》(上线12小时播放量破亿)总制片人,江西时刻互动CTO/合伙人庞恩辽;现象级AI漫剧《持械入宋》(全网播放量超40亿)总策划,“老十一”团队创始人张汉生;本次活动由北京市广播电视局指导,怀柔区人民政府、抖音集团主办,怀柔区委宣传部、怀柔区文化产业发展促进中心、剪映、红果短剧承办,北京电影学院、火山引擎、即梦、《网络视听》杂志社、怀柔区杨宋镇人民政府协办。

2508_92108265的博客 237

AIGC 应用工程师证书怎么考?报考条件、考试形式、级别说明(2026 版)

AIGC 应用工程师证书是面向人工智能生成技术应用方向的职业技术证书,分初级、中级、高级三个级别。

tipdm0526的博客 174
上一篇: 25.9k Star!cua:给 AI Agent 装上“手和眼“的开源桌面操作系统基础设施
下一篇: 腾讯开源teamai-cli:把 Prompt、Skill、AI 上下文纳入Git 管理,让团队AI 资产真正沉淀下来
学心理学的程序员
博客等级 码龄5年 581粉丝 83原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

学心理学的程序员

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值