Fund einreichen
English
한국어
日本語
Español
Français
简体中文
繁體中文
Português
Bahasa Indonesia
ไทย
Italiano
Tiếng Việt
Türkçe
Polski
Русский
Zurück zum LaborJEVLAB / FIELD NOTES
Frisch aus dem Labor
Eine datierte Leseliste neu hinzugefügter Ressourcen und JEVLAB NEWS. Kommen Sie zurück, um zu sehen, was sich geändert hat, oder folgen Sie dem RSS-Feed in Ihrem eigenen Reader.
Gespeicherte Sammlung · Automatische Updates, Chat und Zahlungen sind pausiert.
25
awesome-trustworthy-jev
Dieses Repository ist eine umfassende Bibliothek mit Forschungspapieren, Projekten und Dokumentationen zu den Grundlagen von Jev, seiner Vertrauenswürdigkeit und Cybersicherheitsanwendungen. Es bietet kuratierte Ressourcen zur Erforschung von System-One-Entscheidungsmodellen und deren Integration in verschiedene technische Arbeitsabläufe.
github.comJevOut
JevOut bietet Werkzeuge zur Untersuchung, wie natürlich wirkende Kontextzusätze Entscheidungsmodelle beeinflussen können. Das Projekt zeigt, dass subtile Hintergrunddetails korrekte Entscheidungen auf bestimmte falsche Ergebnisse umlenken können, ohne die ursprüngliche Aufgabe oder die Anweisungen zu verändern.
github.comJEV-MLX
JEV-MLX ist eine Python-Bibliothek zur Auswahl von Aktionen durch lokale LLMs auf Apple Silicon mittels MLX. Sie ordnet Anwendungszustände und Benutzeranfragen spezifischen Aktionen zu, ohne dass zusätzliches Training oder Feinabstimmungen erforderlich sind.
github.comCARVE
CARVE ist eine Open-Source-Modellfamilie ähnlich wie Jev, basierend auf Qwen3.8-27B. Sie demonstriert eine TypeSafe-kompatible API, die Entscheidungen mit einem einzelnen Token ohne freie Textgenerierung trifft und verschiedene Profile zur Optimierung von Genauigkeit und Durchsatz bei Entscheidungsprozessen bereitstellt.
github.comex-regex
ex-regex ist eine Python-Bibliothek, die das Jev-Modell für bedeutungsbasierte Mustererkennung nutzt. Sie ermöglicht das Extrahieren und Klassifizieren von Texten anhand ihrer Semantik statt ihrer Syntax und liefert probabilistische Ergebnisse, ohne dabei neuen Text zu generieren.
github.comjevotron
jevotron ist ein CLI-Tool zur feldbezogenen Anomalieerkennung in strukturierten Dateien und Datenbanken, basierend auf Jev. Es ermöglicht die Datenvorschau, das Scannen auf Inkonsistenzen sowie die Verwaltung von Prüfschlangen durch lokales Caching und SQL-basierte Filterfunktionen.
github.comJevTown
JevTown ist eine Simulations-Engine, in der KI-Agenten eine Pixel-Art-Umgebung erkunden. Das Projekt demonstriert eine hybride Architektur, die Jev für strukturierte Entscheidungen und LLMs für die Sprachverarbeitung nutzt, wodurch Agenten autonom innerhalb einer browserbasierten Spielwelt interagieren können.
github.comJev Instance Review Studio
Dieses Toolkit bietet ein strukturiertes, typisiertes Framework zur Überprüfung von Roblox Studio-Instanzen. Es ermöglicht Entwicklern reproduzierbare Audits, indem Szeneneigenschaften anhand definierter Kriterien validiert und detaillierte, belegbare Berichte zur Sicherstellung der Projektkonsistenz erstellt werden.
github.comhelpme-Jev
HelpMe Jev ist eine selbst gehostete Entscheidungsplattform, die Jev für strukturierte Analysen und LLMs für sprachliche Aufgaben kombiniert. Sie unterstützt Nutzer bei der Bewertung schwieriger sozialer oder beruflicher Situationen durch wahrscheinlichkeitstheoretische Erkenntnisse und Entwurfshilfen, wobei die endgültige Entscheidung stets beim Nutzer verbleibt.
github.comJev Cookbook
Diese Sammlung von Jupyter-Notebooks bietet einen Lehrplan für die Erstellung typisierter KI-Entscheidungen mit Jev. Sie vermittelt Entwicklern, wie Eingaben und Ausgaben für Aufgaben wie Klassifizierung und Bewertung strukturiert werden, wobei deterministische Python-Logik mit modellbasierten Urteilen kombiniert wird.
github.comClinicalJev
ClinicalJev ist eine Open-Source-Modellfamilie für die allgemeine klinische Textklassifizierung. Sie ermöglicht die Definition von Aufgaben und Labels zur Laufzeit, wodurch sensible medizinische Daten lokal verarbeitet werden können, ohne dass eine aufgabenspezifische Feinabstimmung erforderlich ist.
github.comreflex-cu
reflex-cu ist ein MCP-Server, der es KI-Agenten ermöglicht, Computeraufgaben unter macOS und Windows auszuführen. Er steigert die Effizienz durch das Auslesen von UI-Zugänglichkeitsbäumen anstelle von Screenshots und nutzt Jev für schnelle Entscheidungen.
github.comjev-mail
jev-mail ist eine Browser-Erweiterung, die das Jev-KI-Modell nutzt, um Gmail-Posteingänge zu klassifizieren, zu etikettieren und aufzuräumen. Sie läuft lokal im Browser mit Ihrem eigenen API-Schlüssel und bietet datenschutzfreundliche Funktionen für die E-Mail-Verwaltung und -Sortierung.
github.comjev-max
jev-max ist eine Browser-Agent-Bibliothek, die Jev-basierte Automatisierung durch das Durchdringen von Shadow DOMs und Iframes erweitert. Sie bietet Funktionen wie Canvas-Fallback, Klick-Verifizierung und Multi-Tab-Unterstützung, wodurch Agenten komplexe Webseiten über eine einheitliche MCP-Schnittstelle effizient und präzise steuern können.
github.comCloakBrowser-Agent
CloakBrowser-Agent ist ein Stealth-Browser-Automatisierungstool, das die Entscheidungsfindung von TypeSafe Jev integriert. Es fungiert als MCP-Server, CLI oder Python-Bibliothek und ermöglicht menschenähnliche Browser-Navigation durch die Auswahl von Operationen basierend auf kalibrierten Wahrscheinlichkeiten, anstatt freien Code zu generieren.
github.comLaser
Laser ist ein KI-gestützter Ablenkungsblocker für Omarchy und Hyprland. Er nutzt TypeSafe Jev, um aktive Fenster mit Ihrer aktuellen Aufgabe abzugleichen, bietet sanfte, eskalierende Hinweise und legt großen Wert auf den Schutz Ihrer Privatsphäre durch lokale Datenverarbeitung.
github.comtypesafe-mcp
Dieser MCP-Server integriert das Jev-Entscheidungsmodell von TypeSafe AI in KI-Agenten. Er liefert strukturierte, deterministische Antworten mit Gewissheitswerten und act/review/abstain-Entscheidungen, wodurch Agenten Zustände oder Dateien typisiert bewerten können, ohne dabei generativen Text zu erzeugen.
github.comsystem_one_client
Diese Elixir-Bibliothek bietet einen Client für System One-Entscheidungsmodelle mit Unterstützung für TypeSafe Jev, Cloudflare Clef und OpenRouter. Sie ermöglicht den Abruf typisierter Antworten mit vollständigen Wahrscheinlichkeitsverteilungen für Entscheidungs-Routing, inklusive Telemetrie und Test-Stubs.
github.compi-subagent-jev
Dieses Paket integriert ein JEV System One Entscheidungsmodell in den pi-Coding-Agenten, um Subagenten-Dispatches zu steuern. Es bietet Compliance-Regeln, direkte Modellabfragen und optionales Laufzeit-Monitoring, um das Verhalten von Agenten und die Aufgabenausführung effektiv zu verwalten.
github.comcodex-gemini-jev-bridge
Diese lokale MCP-Brücke ermöglicht es Codex, Entwurfsaufgaben an Gemini zu delegieren, während TypeSafe Jev automatisierte Qualitätsprüfungen durchführt. Sie nutzt Google AI Pro-Kontingente über die Antigravity CLI, um Code-Vorschläge und Analysen effizient zu verwalten.
github.comoptim-jev
optim-jev ist ein Plugin für Claude Code, das den Token-Verbrauch durch Kontextkomprimierung, Modell-Routing und selektives Laden von Fähigkeiten optimiert. Es zielt darauf ab, den Overhead von Sitzungen zu reduzieren, ohne dabei bestehende Entwickler-Workflows zu beeinträchtigen.
github.comjev-comment-triage
Dieses WordPress-Plugin nutzt das Jev-Modell, um Kommentare asynchron auf Spam, Missbrauch und Relevanz zu moderieren. Es verarbeitet Kommentare im Hintergrund, um die Einreichungsgeschwindigkeit zu erhalten, und verwendet konfigurierbare Schwellenwerte, um über die Genehmigung, Zurückhaltung oder Markierung als Spam zu entscheiden.
github.comJevvy
Jevvy ist eine Plugin-Sammlung für Coding-Agenten, die TypeSafe System One-Modelle zur Automatisierung von Shell-Berechtigungen nutzt. Befehle werden anhand von Risikoschwellenwerten bewertet, wobei das Tool bei Unsicherheit die Entscheidung verweigert, um die Sicherheit des Agenten zu gewährleisten.
github.comnocap
nocap ist ein System-One-Evidenz-Gate für RAG-Pipelines, das abgerufene Kontexte vor der Generierung bewertet. Es leitet Anfragen zur Beantwortung, Nachsuche, Enthaltung oder Konfliktprüfung weiter und verhindert Halluzinationen, indem sichergestellt wird, dass LLMs nur auf Basis der bereitgestellten Beweise antworten.
github.comjevr
jevr ist ein R-Client für JEV- und TypeSafe System One-Modelle. Er ermöglicht das Senden strukturierter Zustände und Fragen an Modelle und liefert programmgesteuerte Antworten, die direkt für Entscheidungsprozesse verwendet werden können, anstatt für konversationelle Chat-Interaktionen.
github.com
20
Awesome-jev-papers
Dieses Repository bietet eine kuratierte Sammlung akademischer Preprints und technischer Berichte zu Jev, einem System-One-Modell für typisierte probabilistische Entscheidungen. Es gliedert die Forschung in Kernquellen, Benchmarks und Anwendungen, um die schnell wachsende Literatur zu entscheidungsfokussierter KI übersichtlich und nachvollziehbar zu dokumentieren.
github.comJevector
Jevector demonstriert ein Profilabgleich-System, das Clef oder Jev zur Kodierung von Kriterien in numerische Vektoren nutzt. Es verwendet HNSW zur Suche und bewertet Kandidaten nach Präferenzabdeckung, wobei es in synthetischen Benchmarks besser als BM25 und BGE-small abschneidet.
github.comsocial-risk-qwen-jev
Dieses Projekt demonstriert eine multimodale Moderations-Pipeline, die Qwen3-VL mit LoRA nutzt, um strukturierte Beweise für TypeSafe Jev-Richtlinienentscheidungen zu generieren. Es bietet reproduzierbare Baselines und Bewertungsprotokolle zur Identifizierung misogynen Inhalts und betont die Abwägung zwischen Recall und manuellen Überprüfungskosten.
github.comjev-playground
Dieses Repository bietet praktische GTM-Workflow-Beispiele mit Jev, darunter Lead-Triage, Risikobewertung bei Geschäftsabschlüssen und Kontoverwaltung. Es zeigt, wie TypeSafe AI-Prozesse mit Claude für automatisierte Geschäftsabläufe integriert werden können.
github.comjev-olympics
Diese experimentelle Spielwiese nutzt das Jev-Modell, um Rechen-, Chat- und Zeichenaufgaben schrittweise auszuführen. Nutzer können die probabilistischen Ausgaben und Fehlerberichte untersuchen, wobei der Fokus auf dem Verhalten des Modells liegt und nicht auf der erfolgreichen Erledigung der Aufgaben.
github.comNucleiSniper
NucleiSniper ist ein Tool, das TypeSafe Jev AI zur Zielprofilierung und zur Priorisierung von Nuclei-Templates nach Relevanz nutzt. Es zielt darauf ab, kritische Sicherheitsergebnisse schneller zu liefern, indem relevante Prüfungen zuerst ausgeführt werden.
github.comComfyUI-Jev
ComfyUI-Jev bietet benutzerdefinierte Knoten zur Integration von Jev-Textinterpretation und Urteilsfunktionen direkt in ComfyUI-Workflows. Es ermöglicht Benutzern, Aufgaben wie Textbewertung, Kandidatenauswahl und bedingte Logik mithilfe von Anweisungen in natürlicher Sprache durchzuführen.
github.comJEV Safety Gateway
JEV Safety Gateway ist ein transparenter Reverse-Proxy, der zwischen Nginx und LLM-Backends geschaltet wird. Er extrahiert Benutzereingaben zur Sicherheitsprüfung durch das JEV-Modell, blockiert schädliche Inhalte und leitet legitime Anfragen transparent an das Backend weiter.
github.comJevspresso
Jevspresso demonstriert die Integration von Jev mit XState zur Steuerung einer Espressobar-Simulation. Indem das Modell darauf beschränkt wird, nur gültige Zustandsübergänge auszuwählen, wird sichergestellt, dass der KI-Agent innerhalb definierter physikalischer Grenzen agiert, anstatt willkürliche Werkzeugaufrufe zu generieren.
github.comComfyUI-SystemOne
ComfyUI-SystemOne bietet benutzerdefinierte Knoten zur Verzweigung von Arbeitsabläufen basierend auf natürlichsprachlichen Urteilen. Es unterstützt lokale Laya-Modelle oder gehostete Jev- und Clef-APIs, um Bildgenerierungsaufgaben automatisch zu steuern, zu bewerten oder zu filtern.
github.comnf-jev
Dieses Nextflow-Plugin integriert TypeSafe System One-Urteile in Bioinformatik-Pipelines. Es ermöglicht Entwicklern, typisierte Fragen als Pipeline-Werte zu definieren, um Verzweigungslogik basierend auf Wahrscheinlichkeitsverteilungen anstelle von generiertem Text zu implementieren.
github.comJevSceneMiner
JevSceneMiner ist ein Werkzeug zur Extraktion von Fahrmanövern aus Fahrzeugprotokollen mittels Jev. Es wandelt Bewegungs- und Sensordaten in strukturierte, zeitgestempelte Szenen um und ermöglicht so die Datenkuration, Leistungsvalidierung sowie die Analyse von Fahrmanövern über eine synchronisierte Überprüfungsoberfläche.
github.comJevLight
JevLight ist ein Framework zur Steuerung von Ampelsignalen, das das Jev-Entscheidungsmodell in SUMO-Simulationen nutzt. Es zeigt, wie Kreuzungszustände und Phasenentscheidungen in strukturierte API-Anfragen übersetzt werden, und unterstützt sowohl lokale als auch koordinierte netzwerkweite Steuerungsstrategien.
github.comHunch
Hunch ist eine browserbasierte Spielwiese für das Jev-Entscheidungsmodell. Es ermöglicht Benutzern, typisierte Abfragen visuell zu erstellen, diese über die OpenRouter-API auszuführen und Wahrscheinlichkeiten, Latenz sowie Kostenmetriken ohne die Notwendigkeit eines Backend-Servers direkt zu untersuchen.
github.comjev-browser-wingman
Dieses Tool integriert das Jev-Modell von TypeSafe in Browser-Automatisierungs-Workflows, um die Elementauswahl zu steuern. Es fungiert als Wrapper für bestehende MCP-Browser-Server und zielt darauf ab, die Aufgabenabschlussrate und Kosteneffizienz bei automatisierten Web-Interaktionen zu verbessern.
github.comjevify
jevify identifiziert KI-Aufrufpunkte, die für eine Migration zu JEV geeignet sind, indem es Code auf strukturierte Entscheidungsmuster prüft. Es bietet einen Migrations-Workflow im Schattenmodus, um Leistung und Genauigkeit im Vergleich zu bestehenden LLM-Implementierungen vor der Produktion zu validieren.
github.comjev-lint
jev-lint ist ein Befehlszeilenwerkzeug zur Überprüfung von Markdown-Wissensdatenbanken auf Widersprüche, veraltete Aussagen und defekte Links. Es nutzt TypeSafe Jev für semantische Analysen und erstellt einen eigenständigen HTML-Bericht, der Benutzern bei der Identifizierung und Behebung von Dokumentationsfehlern unterstützt.
github.comcould-jev
Dieser Claude-Skill bietet eine Design-Überprüfung, um festzustellen, ob das Jev-Modell von TypeSafe für bestimmte Entwicklungsaufgaben geeignet ist. Er liefert Architekturmuster und Machbarkeitsbewertungen, um Entwicklern dabei zu helfen, potenzielle Anwendungsfälle für die typisierten Beurteilungsfunktionen von Jev zu identifizieren.
github.comopencode-jev-router
Dieses OpenCode-Plugin nutzt Jev, um den Denkaufwand von KI-Modellen dynamisch anzupassen. Es zielt darauf ab, den Token-Verbrauch und die Latenz zu optimieren, indem es pro Anfrage geeignete Aufwandsebenen auswählt, anstatt sich auf feste Einstellungen für alle Aufgaben zu verlassen.
github.comfilament
Vibefilter ist ein Filament-Plugin, das die semantische Filterung von Tabellendaten mittels natürlicher Sprache ermöglicht. Es nutzt das TypeSafe Jev-Modell, um Zeilen basierend auf Benutzereingaben zu bewerten, und ermöglicht so eine Zero-Shot-Klassifizierung ohne die Notwendigkeit von Trainingsdaten oder Schlüsselwortlisten.
github.com
27
awesome-system-one
Dieses Repository bietet eine kuratierte und automatisch aktualisierte Liste von System-One-Entscheidungsmodellen. Es dokumentiert verschiedene Open-Source-Alternativen zu proprietären Jev-Schnittstellen und erläutert deren Architekturen, Lizenzen sowie die Kompatibilität mit Standard-API-Mustern für typisierte Eingaben.
github.comawesome-jev-survey
Dieses Repository bietet eine Evidenzstudie zu Jev und Jev-ähnlichen typisierten Entscheidungsmodellen. Es fasst Forschungsergebnisse zu Kalibrierung, Fehlermodi und Systemintegration zusammen und verfolgt die berichteten Leistungskennzahlen bis zu ihren ursprünglichen akademischen Quellen zurück.
github.comagent-workflow-typesafe-ai
Dieses Tool bietet einen eigenständigen Adapter zur Integration von TypeSafe AI-semantischen Nachweisen in Agent-Workflow. Es ermöglicht begrenzte Entscheidungsfindung und Skill-Bewertung, während das Host-System die volle Kontrolle über Richtlinien, Ausführung und Lebenszyklus behält.
github.comtypesafe-eval
typesafe-eval ist ein CLI-Tool und CI-Gate zur automatisierten Dokumentenbewertung mittels der TypeSafe System One API. Es bietet Regressionserkennung, Checklisten-Validierung und Maskierung sensibler Daten, um die Dokumentenqualität und Sicherheit in Entwicklungsprozessen zu unterstützen.
github.comCodex-Jev
Codex-Jev ist ein VS Code-Plugin, das redundante Zeilen aus Tool-Ausgaben filtert, bevor diese von Codex verarbeitet werden. Es soll die Übersichtlichkeit durch Hervorhebung relevanter Daten verbessern und bietet direkte Verknüpfungen zu den vollständigen Originalprotokollen.
github.comvellum
Vellum ist ein experimentelles Werkzeug, das Markdown-Inhalte mithilfe eines Klassifikators anstelle eines LLM in Sanity-Dokumente umwandelt. Es zeigt, wie Daten strukturiert werden können, indem ein Klassifikator angewiesen wird, Textblöcke basierend auf Schemadeskriptoren bestimmten Feldern zuzuordnen.
github.comDecidealot
Decidealot bietet eine einheitliche HTTP- und MCP-Schnittstelle zur Ausführung lokaler Modelle wie Laya, Von und CLM oder gehosteter Jev-Dienste. Es ermöglicht typisierte Klassifizierung und Bewertung, wodurch Anwendungen programmatische Entscheidungen auf Basis von Wahrscheinlichkeiten und Konfidenzmetriken treffen können.
github.comTypeWright
TypeWright ist ein deklarativer Compiler und eine Laufzeitumgebung für Jev-Entscheidungen. Es ermöglicht die Definition von Zustands- und Entscheidungskontrakten, die Kompilierung in prüfsummenbasierte JSON-Programme mittels markierter Daten sowie deren Ausführung ohne externe Abhängigkeiten wie DSPy zur Laufzeit.
github.commappity
mappity ist ein Werkzeug, das TypeSafe Jev und Cactus Needle verwendet, um natürlichsprachliche Anfragen zu geografischen Standorten zu beantworten. Es verarbeitet OpenStreetMap- und Mapillary-Daten, um Orten basierend auf Benutzeranfragen Wahrscheinlichkeitswerte zuzuweisen.
github.comJEV-27B-Desktop
Diese Ressource bietet eine lokale GGUF-Implementierung des JEV-27B-Modells für Windows. Sie demonstriert die Integration mit Ollama, nutzt ein Qwen3.8-Backbone und bietet optionale Vision-Language-Funktionen für lokale KI-Verarbeitungsaufgaben.
github.comjev-pr-judge
Dieses Tool demonstriert die Verwendung von TypeSafe System One für typisierte, parallele Urteile bei GitHub-Pull-Requests. Es ersetzt langsame LLM-Ketten durch codebasierte Richtlinien und modellgestützte Bewertungen, um Signale für die Codeüberprüfung effizient zu automatisieren.
github.comjev-playground
Diese Ressource bietet interaktive Simulationen, die Jev demonstrieren, ein System-One-Modell für schnelle, typisierte Entscheidungsfindungen. Es wird veranschaulicht, wie paralleles Sampling und kalibrierte Konfidenz die Architektur für Routing-, Triage- und Verifizierungsaufgaben innerhalb bestehender KI-Systeme verbessern können.
github.comjev-test
Dieses Repository bietet ein Test-Framework für das Jev-Modell von TypeSafe zur Evaluierung von Konfidenzkalibrierung, Halluzinationserkennung und RAG-Leistung (Retrieval-Augmented Generation). Es enthält Skripte zum Benchmarking von Genauigkeit, Kosten und Latenz im Vergleich zu anderen LLM-Prüfern.
github.comJevline
Jevline rekonstruiert Sicherheitsvorfälle ausgehend von einem einzelnen bestätigten bösartigen Prozess. Das Tool nutzt das Jev-Modell, um automatisch zusammenhängende Aktivitäten aus verschiedenen Log-Formaten zu verknüpfen und eine detaillierte Zeitleiste, Ausführungskette sowie eine Beweistabelle zu erstellen.
github.comjev-risk-check-provider
Dieses Tool bietet signierte Risikobewertungen vor Zahlungen für Wallets und Agenten. Es bewertet Gegenparteien mithilfe von OFAC-Listen, Phishing-Feeds, Transaktionssimulationen und eigener Überwachung, um bösartige Vertragsmuster und Adress-Poisoning zu erkennen.
github.comVision-Jev
Vision-Jev ist ein Open-Source-Projekt, das bildgestützte Modelle zur Bewertung und Interaktion mit dynamischen Kandidatenmengen bereitstellt. Es nutzt strukturierte Ausgabeköpfe für Auswahl, Beweissuffizienz und Qualitätsbewertung und konzentriert sich dabei auf nachvollziehbare und kalibrierbare Entscheidungsfindung anstelle von freier Textgenerierung.
github.comnu_plugin_jev
Dieses Nushell-Plugin integriert die strukturierte Entscheidungsfindung von TypeSafe Jev direkt in die Shell-Umgebung. Es ermöglicht Benutzern, Fragen zu definieren, Datenströme zu annotieren und modellbasierte Erkenntnisse mithilfe nativer Nushell-Pipelines und -Befehle abzurufen.
github.comSOLO Decision
SOLO Decision optimiert das Layout relationaler Daten, um die Effizienz des Präfix-Cachings für LLM-basierte Entscheidungsmodelle zu maximieren. Durch die Neuanordnung von Zeilen und Feldern zur Offenlegung gemeinsamer Eingabepräfixe wird ein höherer Durchsatz bei synthetischen Arbeitslasten mit dem JEV-9B-Modell demonstriert.
github.combrowser-laya
Dieses Projekt ermöglicht die Ausführung des nicht-autoregressiven Entscheidungsmodells Laya direkt im Webbrowser mittels WebGPU oder WebAssembly. Es zeigt, wie zustandsbasierte Entscheidungsaufgaben lokal ohne Server oder API-Schlüssel durch die Nutzung von ONNX Runtime Web durchgeführt werden können.
github.comjev-mcp
Dieser MCP-Server ermöglicht es KI-Agenten, die Jev-API für strukturierte Entscheidungsfindungen zu nutzen. Er unterstützt Klassifizierungs-, Routing- und Verifizierungsaufgaben, indem er typisierte Werte mit Konfidenz-Scores anstelle von Fließtext zurückgibt.
github.comjeffort
jeffort ist ein Claude Code-Plugin, das die Anstrengungsebene von Prompts mithilfe von TypeSafe Jev dynamisch steuert. Es passt den Aufwand pro Turn an und bietet Funktionen zur Datenmaskierung, um sensible Informationen bei API-Anfragen zu schützen.
github.comfast-jev-compaction-openrouter
Dieses Tool bietet ein Claude Code-Plugin und eine Bibliothek zur Kontextkompaktierung mittels Jev über OpenRouter. Es entfernt unnötige Tool-Aufrufe bei gleichzeitiger Beibehaltung des Originaltextes und erzwingt durch verbindliche Provider-Konfigurationen eine Null-Datenaufbewahrungsrichtlinie.
github.comjev-lint
jev-lint ist ein Fuzzy-Linter für Coding-Agenten, der Echtzeit-Feedback zur Codequalität liefert. Er ermöglicht es Agenten, Regelverstöße direkt nach der Bearbeitung zu beheben, was den Aufwand für Korrekturen nach dem Code-Review erheblich reduziert.
github.comjev-skill-router
Dieses Projekt bietet eine Referenzimplementierung für die Nutzung des Jev-Modells von TypeSafe als Skill-Router für Claude Code. Es zeigt, wie Skill-Vorschläge protokolliert und bewertet werden, wobei der Autor den Nutzen dieser spezifischen Integration als begrenzt einstufte.
github.comjev-blindspot
jev-blindspot ist ein Prompt-Review-Tool für Claude Code und Codex CLI, das potenzielle Wissenslücken in Ihren Anfragen identifiziert. Es verwendet einen Klassifikator, um zu entscheiden, ob eine Analyse erforderlich ist, und liefert Feedback in einer lokalen Web-UI, ohne Ihre Sitzung zu unterbrechen.
github.comjev-gateway
jev-gateway ist ein lokaler Proxy, der das Jev-Entscheidungsmodell in Coding-Agenten wie Codex oder Claude Code integriert. Es optimiert die Werkzeugauswahl und leitet übrige Anfragen unverändert an den ursprünglichen LLM-Anbieter weiter, um bestehende Arbeitsabläufe nicht zu stören.
github.comjev4pg
jev4pg integriert JEV-semantische Intelligenz in PostgreSQL und bietet Werkzeuge für natürlichsprachliche Abfragen sowie semantische Filterung. Mit erklärbaren Embeddings und paralleler Ausführung unterstützt es Benutzer bei der Analyse bestehender Datenbankeinträge über eine einheitliche Arbeitsumgebung oder native SQL-Erweiterungen.
github.com