Enviar recurso
English
한국어
日本語
Français
Deutsch
简体中文
繁體中文
Português
Bahasa Indonesia
ไทย
Italiano
Tiếng Việt
Türkçe
Polski
Русский
Volver al laboratorioJEVLAB / FIELD NOTES
Recién salido del laboratorio
Una lista de lectura fechada de recursos recién agregados y JEVLAB NEWS. Vuelve para ver qué cambió o sigue el feed RSS en tu propio lector.
Recuerda esta visita en este navegador para resaltar nuevas adiciones la próxima vez. Sin inicio de sesión ni seguimiento entre dispositivos.
Las fechas muestran cuándo un elemento estuvo disponible en JEVLAB, en UTC, no cuándo se publicó su fuente original. Las ediciones de solo traducción no cuentan como nuevos recursos.
36
jev-bfs
Este proyecto implementa un juego de carreras de enlaces de Wikipedia utilizando la clasificación Jev. Demuestra un enfoque de búsqueda en anchura para encontrar rutas entre artículos, con una interfaz de terminal en vivo para seguir el progreso.
github.comjevegis
jevegis ofrece una API unificada para implementar medidas de seguridad en aplicaciones LLM. Construido sobre TypeSafe Jev, este recurso ayuda a detectar inyecciones de prompts, intentos de jailbreak, fugas de datos y contenido inseguro para proteger las interacciones con modelos de lenguaje.
github.comPac-Man controlado por Jev
Esta demostración presenta una partida de Pac-Man donde cada movimiento es determinado por Jev. El proyecto actúa como un experimento para aplicar la lógica de toma de decisiones de Jev a mecánicas arcade clásicas y observar patrones estratégicos.
x.comCharla técnica de Diogo Almeida
Esta presentación del fundador de Jev, Diogo Almeida, explora la arquitectura de la plataforma. El creador afirma que el sistema logra una alta velocidad y rentabilidad sin alucinaciones, aunque estas métricas de rendimiento no han sido verificadas de forma independiente.
x.comDoom con futuros ramificados
Este experimento demuestra el uso de Jev junto con un LLM para jugar Doom. Explora la capacidad de simular múltiples resultados futuros potenciales simultáneamente durante el juego para informar los procesos de toma de decisiones en el entorno virtual.
x.comClasificador de complejidad de código
Este proyecto presenta un clasificador basado en Jev para evaluar la complejidad de los repositorios. Su objetivo es ayudar a los desarrolladores a identificar y reducir el código sobreingenierizado mediante análisis estructural automatizado.
x.comDocumentación de TypeSafe AI
Este recurso ofrece la documentación esencial para TypeSafe AI. Incluye una introducción a sus primitivas, patrones de diseño y recetas prácticas, además de referencias técnicas detalladas para la API HTTP y los kits de desarrollo de software.
docs.typesafe.aijev-use
Este plugin permite que agentes de IA como Claude Code deleguen pasos sin salida de texto a Jev. Demuestra un flujo de escalada tipada hacia el LLM, con el creador reportando una latencia p50 de 230ms y un costo de $0.02 por cada 1,000 juicios.
github.comConstruyendo el cerebro de agente más rápido en 10 pasos
Esta guía describe un proceso de diez pasos para construir un cerebro de agente utilizando Jev. El autor afirma que este enfoque optimiza el rendimiento de alta velocidad, proporcionando un flujo de trabajo estructurado para desarrolladores que buscan crear sistemas autónomos receptivos.
x.comEnrutamiento basado en confianza
Este patrón demuestra un método para enrutar solicitudes según las puntuaciones de confianza del modelo. Enseña cómo implementar lógica condicional para dirigir tareas hacia rutas adecuadas y garantizar una mayor calidad en los resultados.
docs.typesafe.aiUn intento en la Liga Pokémon
Este proyecto muestra a Jev intentando derrotar a la Liga Pokémon en Pokémon Oro. Demuestra el uso de entradas de control básicas para navegar por el entorno del juego y avanzar en los combates.
x.comtypesafe-go
Este repositorio proporciona un SDK de Go idiomático diseñado para interactuar con la API de TypeSafe AI. Funciona como una herramienta para desarrolladores que facilita la integración y la comunicación con el servicio utilizando patrones de programación estándar en Go.
github.comExtensión de encuadre de noticias Ground Truth
Esta extensión de navegador utiliza Jev para analizar y clasificar artículos en línea. Demuestra cómo identificar automáticamente el encuadre de las noticias, los temas del contenido y el uso de lenguaje cargado en los medios digitales.
x.comvon
von es un modelo de toma de decisiones System One de código abierto, diseñado como una alternativa local y no autorregresiva a TypeSafe Jev. El autor afirma que el modelo alcanza velocidades de inferencia inferiores a 15ms.
github.comtypesafe-client
Esta biblioteca de Rust ofrece un cliente asíncrono no oficial para interactuar con la API de TypeSafe System One. Demuestra cómo implementar patrones de comunicación con seguridad de tipos al integrar servicios de backend de la plataforma.
github.comjev-mcp
Este servidor MCP integra TypeSafe Jev en Claude Code, proporcionando herramientas estructuradas para clasificación, puntuación y procesamiento por lotes. Demuestra cómo exponer capacidades de juicio calibradas como funciones estandarizadas para flujos de trabajo de agentes automatizados.
github.comjev-t-rex-runner
Este proyecto demuestra la aplicación del modelo Typesafe AI Jev para automatizar el juego del dinosaurio de Chrome. Sirve como un experimento práctico sobre la integración de agentes de IA en entornos de juegos basados en navegador.
github.comControl por voz para Fusion 360
Este proyecto demuestra una interfaz de control por voz para Fusion 360. Utiliza Jev para distinguir entre comandos de acción y conversaciones casuales, buscando optimizar los flujos de trabajo en CAD mediante lenguaje natural.
x.comtaste-lint
Esta herramienta de línea de comandos utiliza Jev para detectar contenido de baja calidad generado por IA en interfaces de usuario, textos e instrucciones de agentes. Permite realizar comprobaciones semánticas de estilo antes de implementar los proyectos.
github.comrh-guard
rh-guard ofrece un mecanismo de detección de hackeo de recompensas para agentes de codificación. Utiliza denegaciones estructurales y un sidecar TypeSafe Jev System One para monitorear hooks en Claude Code y Cursor, con el fin de identificar posibles comportamientos de hackeo de recompensas durante tareas de desarrollo automatizadas.
github.comfast-jev-compaction
Este plugin para Claude Code sustituye los resúmenes de compactación por decisiones basadas en Jev. Evalúa llamadas a herramientas y resultados en una sola solicitud rápida, descartando o truncando datos obsoletos mientras mantiene la información relevante intacta.
github.comjevscape
jevscape ofrece un arnés RuneBench para Jev, que incluye un catálogo de acciones limitado y un controlador de modo tick. Incluye un panel de control en vivo diseñado para ayudar a los desarrolladores a monitorear y gestionar flujos de trabajo de agentes.
github.comspendbrake
spendbrake ofrece un mecanismo para gestionar los gastos de agentes de IA. Demuestra cómo implementar controles presupuestarios permitiendo a los usuarios continuar, degradar el modelo o detener las operaciones mediante TypeSafe Jev.
github.comjev-codes
Esta herramienta permite auditar automáticamente los diffs de git frente a estándares de codificación YAML definidos. Utiliza el modelo Jev para realizar comprobaciones de coherencia a través de una interfaz de línea de comandos o agentes de IA.
github.comJev Room
Jev Room es una herramienta web que transforma una sola frase descriptiva en seis configuraciones de habitación distintas. La aplicación utiliza Jev para interpretar la entrada del usuario y renderizar representaciones visuales de diversos diseños de interiores.
jev-room.moe136231.chatgpt.sitejev-trader
jev-trader demuestra un bot de trading automatizado que utiliza Jev para analizar feeds de precios de activos. El proyecto ilustra cómo el modelo toma decisiones de compra y venta y ejecuta operaciones financieras reales basadas en su lógica.
x.comjev-mail-classifier
Este proyecto demuestra un sistema automatizado de gestión de correo electrónico utilizando Jev. Ofrece un enfoque basado en configuración para clasificar, etiquetar, mover y marcar mensajes entrantes, mostrando cómo aplicar modelos de IA de TypeSafe para optimizar los flujos de trabajo de organización de bandejas de entrada.
github.comCatorce comprobaciones para cada pull request
Esta herramienta automatiza la revisión de código mediante catorce comprobaciones en cada pull request. Su objetivo es detectar problemas potenciales como secretos codificados o patrones SQL inseguros durante el flujo de trabajo de desarrollo.
x.comIntroducción a TypeSafe
Esta documentación oficial ofrece una visión general fundamental del ecosistema TypeSafe. Actúa como el punto de entrada principal para comprender los conceptos básicos y los principios arquitectónicos que rigen el enfoque de la plataforma hacia la integración segura de IA.
docs.typesafe.aijev-crawlers
Este repositorio ofrece rastreadores automatizados construidos con primitivas de estilo Unix para el análisis de sistemas. Demuestra un enfoque modular para la búsqueda de errores mediante el uso de herramientas ligeras y componibles para realizar la recopilación de datos y el descubrimiento de vulnerabilidades.
github.comtypesafe-local
Este proyecto demuestra cómo consultar LLMs locales en Apple Silicon para obtener probabilidades calibradas en lugar de texto. Busca proporcionar salidas estructuradas directamente, evitando los procesos de generación de texto y el análisis sintáctico posterior.
github.comCheshi
Cheshi es un espacio de trabajo para macOS que integra memoria de conversación basada en Jev con OpenAI Codex. Permite gestionar agentes de IA, explorar código mediante CodeGraph y unificar flujos de trabajo con Git, terminales Ghostty y Apple Notes.
github.comgame-coach
Este proyecto integra el análisis del motor Stockfish con la lógica de juicio basada en Jev para ofrecer orientación estratégica en tiempo real a los jugadores de ajedrez. Demuestra un método para combinar motores de ajedrez tradicionales con sistemas de IA modernos.
github.comSDE cascade
Esta referencia oficial de TypeSafe describe la metodología SDE cascade. Demuestra cómo estructurar flujos de trabajo de IA de varias etapas para mejorar la fiabilidad de los resultados y la coherencia lógica durante tareas complejas de desarrollo de software.
docs.typesafe.aiDGP (Decision Graph Protocol)
Este protocolo experimental utiliza un adaptador Jev para evaluar evidencia mediante elecciones tipadas. Demuestra cómo el código de la aplicación puede validar permisos y ejecutar acciones de demostración simuladas dentro de un marco de toma de decisiones estructurado.
github.comkyotsu-ai-bench
Este repositorio ofrece un panel estático que compara los modelos Jev, luna-none y luna-low utilizando la Prueba Común de Japón de 2026. El proyecto funciona como un punto de referencia experimental para evaluar el desempeño de estas arquitecturas en exámenes académicos estandarizados.
github.com
