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.
Merken Sie sich diesen Besuch in diesem Browser, um beim nächsten Mal neue Ergänzungen hervorzuheben. Keine Anmeldung oder geräteübergreifende Nachverfolgung.
Die Daten zeigen, wann ein Element in JEVLAB verfügbar wurde, in UTC, nicht wann seine ursprüngliche Quelle veröffentlicht wurde. Reine Übersetzungsänderungen zählen nicht als neue Ressourcen.
36
jev-bfs
Dieses Projekt implementiert ein Wikipedia-Link-Rennspiel unter Verwendung des Jev-Rankings. Es demonstriert einen Breitensuche-Ansatz zur Ermittlung von Pfaden zwischen Artikeln und bietet eine Live-Terminal-Schnittstelle zur Verfolgung des Fortschritts während des Rennens.
github.comjevegis
jevegis bietet eine einheitliche API zur Implementierung von Sicherheitsbarrieren für LLM-Anwendungen. Basierend auf TypeSafe Jev zielt das Projekt darauf ab, Prompt-Injections, Jailbreaks, Datenlecks und unsichere Inhalte zu erkennen, um die Sicherheit bei der Nutzung von Sprachmodellen zu erhöhen.
github.comJev-gesteuertes Pac-Man
Diese Demonstration zeigt eine Pac-Man-Partie, bei der jede Bewegung von Jev bestimmt wird. Das Projekt dient als Experiment, um die Entscheidungslogik von Jev auf klassische Arcade-Mechaniken anzuwenden und strategische Navigationsmuster zu beobachten.
x.comTechnischer Vortrag von Diogo Almeida
Dieser Vortrag des Jev-Gründers Diogo Almeida beleuchtet die Architektur der Plattform. Der Entwickler behauptet, dass das System hohe Geschwindigkeit und Kosteneffizienz ohne Halluzinationen bietet, wobei diese Leistungsdaten bisher nicht durch unabhängige Dritte verifiziert wurden.
x.comDoom mit verzweigten Zukünften
Dieses Experiment zeigt den Einsatz von Jev zusammen mit einem LLM zum Spielen von Doom. Es untersucht die Fähigkeit, während des Spiels mehrere potenzielle zukünftige Ergebnisse gleichzeitig zu simulieren, um Entscheidungsprozesse innerhalb der Spielumgebung zu unterstützen.
x.comCodebase-Komplexitätsklassifikator
Dieses Projekt stellt einen Jev-basierten Klassifikator zur Bewertung der Komplexität von Codebasen vor. Es zielt darauf ab, Entwicklern dabei zu helfen, übermäßig komplexen Code durch automatisierte strukturelle Analysen zu identifizieren und zu vereinfachen.
x.comTypeSafe AI Dokumentation
Diese Ressource bietet die grundlegende Dokumentation für TypeSafe AI. Sie umfasst Kernprimitive, Implementierungsmuster und praktische Kochbücher sowie umfassende technische Referenzen für die HTTP-API und die verfügbaren Software-Entwicklungskits.
docs.typesafe.aijev-use
Dieses Plugin ermöglicht es KI-Agenten wie Claude Code, Schritte ohne Textausgabe an Jev zu delegieren. Es demonstriert einen typisierten Eskalations-Workflow zum LLM, wobei der Entwickler eine p50-Latenz von 230ms und Kosten von etwa 0,02 $ pro 1.000 Urteilen angibt.
github.comAufbau des schnellsten Agentengehirns in 10 Schritten
Dieser Leitfaden skizziert einen zehnstufigen Prozess zur Konstruktion eines Agentengehirns mit Jev. Der Autor behauptet, dass dieser Ansatz die Hochgeschwindigkeitsleistung optimiert und einen strukturierten Arbeitsablauf für Entwickler bietet, die reaktionsschnelle autonome Systeme erstellen möchten.
x.comKonfidenzgesteuertes Routing
Dieses Muster demonstriert eine Methode zum Routing von Anfragen basierend auf Konfidenzwerten des Modells. Es vermittelt, wie bedingte Logik implementiert wird, um Aufgaben zur Qualitätssicherung an geeignete Verarbeitungspfade weiterzuleiten.
docs.typesafe.aiEin Lauf durch die Pokémon-Liga
Dieses Projekt zeigt, wie Jev versucht, die Pokémon-Liga in Pokémon Gold zu besiegen. Es demonstriert den Einsatz grundlegender Steuerungsbefehle, um sich in der Spielwelt zu bewegen und Kämpfe erfolgreich zu bestreiten.
x.comtypesafe-go
Dieses Repository bietet ein idiomatisches Go-SDK für die Interaktion mit der TypeSafe AI-API. Es dient als Entwicklerwerkzeug, um die Integration und Kommunikation mit dem Dienst unter Verwendung gängiger Go-Programmiermuster zu erleichtern.
github.comGround Truth Nachrichten-Framing-Erweiterung
Diese Browser-Erweiterung nutzt Jev zur Analyse und Klassifizierung von Online-Artikeln. Sie zeigt, wie Nachrichten-Framing, Inhaltsthemen und die Verwendung von wertgeladener Sprache in digitalen Medien automatisch identifiziert werden können.
x.comvon
von ist ein Open-Source-System-One-Entscheidungsmodell, das als lokale, nicht-autoregressive Alternative zu TypeSafe Jev konzipiert wurde. Der Entwickler gibt an, dass das Modell Inferenzgeschwindigkeiten von unter 15ms bei Entscheidungsprozessen erreicht.
github.comtypesafe-client
Diese Rust-Bibliothek bietet einen inoffiziellen asynchronen Client für die Interaktion mit der TypeSafe System One API. Sie demonstriert die Implementierung typsicherer Kommunikationsmuster bei der Integration mit den Backend-Diensten der Plattform.
github.comjev-mcp
Dieser MCP-Server integriert TypeSafe Jev in Claude Code und bietet strukturierte Werkzeuge für Klassifizierung, Bewertung und Stapelverarbeitung. Er demonstriert, wie kalibrierte Beurteilungsfunktionen als standardisierte Schnittstellen für automatisierte Agenten-Workflows bereitgestellt werden können.
github.comjev-t-rex-runner
Dieses Projekt demonstriert die Anwendung des Typesafe AI Jev-Modells zur Automatisierung des Chrome-Dino-Spiels. Es dient als praktisches Experiment zur Integration von KI-Agenten in browserbasierte Spielumgebungen.
github.comSprachsteuerung für Fusion 360
Dieses Projekt demonstriert eine sprachgesteuerte Schnittstelle für Fusion 360. Es nutzt Jev, um zwischen Befehlen und alltäglicher Konversation zu unterscheiden, mit dem Ziel, CAD-Arbeitsabläufe durch natürliche Spracheingabe zu vereinfachen.
x.comtaste-lint
Dieses Befehlszeilen-Tool nutzt Jev, um KI-generierte minderwertige Inhalte in Benutzeroberflächen, Texten und Agentenanweisungen zu erkennen. Es bietet semantische Stilprüfungen, um die Qualität vor der Bereitstellung von Projekten sicherzustellen.
github.comrh-guard
rh-guard bietet einen Mechanismus zur Erkennung von Reward-Hacking für Coding-Agenten. Durch strukturelle Ablehnungen und einen TypeSafe Jev System One Sidecar werden Hooks in Claude Code und Cursor überwacht, um potenzielle Reward-Hacking-Verhaltensweisen während automatisierter Entwicklungsprozesse zu identifizieren.
github.comfast-jev-compaction
Dieses Claude Code-Plugin ersetzt Kompaktierungszusammenfassungen durch Jev-Entscheidungen. Es bewertet Werkzeugaufrufe und Ergebnisse in einer schnellen Anfrage, wobei veraltete Daten verworfen oder gekürzt werden, während wichtige Informationen in ihrer ursprünglichen Form erhalten bleiben.
github.comjevscape
jevscape bietet ein RuneBench-Harness für Jev, das einen begrenzten Aktionskatalog und einen Tick-Mode-Controller umfasst. Es enthält ein Live-Dashboard, das Entwicklern dabei hilft, Agenten-Workflows innerhalb des Jev-Ökosystems zu überwachen und zu verwalten.
github.comspendbrake
spendbrake bietet einen Mechanismus zur Verwaltung von Ausgaben für KI-Agenten. Es zeigt, wie Budgetkontrollen implementiert werden können, indem Benutzer Operationen über TypeSafe Jev fortsetzen, das Modell herabstufen oder stoppen können.
github.comjev-codes
Dieses Tool ermöglicht die automatisierte Prüfung von git-diffs anhand definierter YAML-Codierungsstandards. Es nutzt das Jev-Modell, um Konsistenzprüfungen direkt über eine Befehlszeilenschnittstelle oder in KI-Agenten-Workflows durchzuführen.
github.comJev Room
Jev Room ist ein Web-Tool, das einen einzelnen beschreibenden Satz in sechs verschiedene Raumkonfigurationen umwandelt. Die Anwendung nutzt Jev, um Benutzereingaben zu interpretieren und visuelle Darstellungen von verschiedenen Innendesign-Konzepten zu rendern.
jev-room.moe136231.chatgpt.sitejev-trader
jev-trader demonstriert einen automatisierten Handelsbot, der Jev zur Analyse von Asset-Preis-Feeds verwendet. Das Projekt zeigt, wie das Modell Kauf- und Verkaufsentscheidungen trifft und auf Basis seiner Logik echte Finanztransaktionen ausführt.
x.comjev-mail-classifier
Dieses Projekt demonstriert ein automatisiertes E-Mail-Verwaltungssystem mit Jev. Es bietet einen konfigurationsbasierten Ansatz zum Klassifizieren, Markieren, Verschieben und Kennzeichnen eingehender Nachrichten und zeigt, wie TypeSafe KI-Modelle zur Optimierung der persönlichen Posteingangsorganisation eingesetzt werden können.
github.comVierzehn Prüfungen für jeden Pull Request
Dieses Tool automatisiert die Code-Qualitätssicherung durch vierzehn automatisierte Prüfungen bei Pull Requests. Es dient dazu, potenzielle Sicherheitsrisiken wie hartcodierte Geheimnisse oder problematische SQL-Muster während des Entwicklungsprozesses frühzeitig zu erkennen.
x.comEinführung in TypeSafe
Diese offizielle Dokumentation bietet einen grundlegenden Überblick über das TypeSafe-Ökosystem. Sie dient als primärer Einstiegspunkt zum Verständnis der Kernkonzepte und architektonischen Prinzipien, die den Ansatz der Plattform für eine sichere und zuverlässige KI-Integration bestimmen.
docs.typesafe.aijev-crawlers
Dieses Repository bietet automatisierte Crawler, die mit Unix-artigen Primitiven für die Systemanalyse erstellt wurden. Es demonstriert einen modularen Ansatz zur Fehlersuche durch die Verwendung leichtgewichtiger, kombinierbarer Werkzeuge zur Datenerfassung und Identifizierung von Schwachstellen in Zielumgebungen.
github.comtypesafe-local
Dieses Projekt demonstriert eine Methode zur Abfrage lokaler LLMs auf Apple Silicon, um kalibrierte Wahrscheinlichkeiten anstelle von Text zu erhalten. Es zielt darauf ab, strukturierte Ausgaben direkt bereitzustellen und dabei auf Textgenerierung oder nachgelagerte Parsing-Schritte zu verzichten.
github.comCheshi
Cheshi ist ein macOS-Arbeitsbereich, der Jev-basierte Konversationsspeicher mit OpenAI Codex kombiniert. Die Anwendung ermöglicht die Verwaltung von KI-Agenten, die Code-Exploration mittels CodeGraph sowie die Integration von Git, Ghostty-Terminals und Apple Notes in einer zentralen Benutzeroberfläche.
github.comgame-coach
Dieses Projekt kombiniert die Analyse der Stockfish-Engine mit Jev-basierter Entscheidungslogik, um Schachspielern strategische Unterstützung in Echtzeit zu bieten. Es demonstriert einen Ansatz zur Integration traditioneller Schach-Engines mit modernen KI-Bewertungssystemen.
github.comSDE cascade
Diese offizielle TypeSafe-Referenz beschreibt die SDE cascade-Methodik. Sie zeigt auf, wie mehrstufige KI-Workflows strukturiert werden können, um die Zuverlässigkeit der Ergebnisse und die logische Konsistenz bei komplexen Softwareentwicklungsaufgaben zu verbessern.
docs.typesafe.aiDGP (Decision Graph Protocol)
Dieses experimentelle Protokoll nutzt einen Jev-Adapter, um Beweise anhand typisierter Entscheidungen zu bewerten. Es zeigt, wie Anwendungscode Berechtigungen validieren und simulierte Demo-Aktionen innerhalb eines strukturierten Entscheidungsrahmens ausführen kann.
github.comkyotsu-ai-bench
Dieses Repository bietet ein statisches Dashboard zum Vergleich der Modelle Jev, luna-none und luna-low anhand des japanischen Common Test von 2026. Es dient als experimenteller Benchmark, um die Leistung dieser KI-Architekturen bei standardisierten akademischen Prüfungsfragen zu bewerten.
github.com
