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-trade
Este repositorio proporciona una implementación de trading en vivo para la plataforma Hyperliquid utilizando Jev. Demuestra cómo integrar la lógica de trading automatizado con la API del exchange para ejecutar operaciones de mercado en tiempo real.
github.comComparativa entre LLMs y Jev
Este recurso contrasta Jev con los LLM, destacando cómo Jev evalúa decisiones predefinidas directamente. Demuestra cómo esta diferencia arquitectónica permite el procesamiento paralelo de preguntas independientes, distinguiendo su enfoque operativo de los modelos de lenguaje generativos estándar.
x.comJevPromptCoach
JevPromptCoach es un complemento para Claude Code que evalúa la calidad de tus prompts para agentes de codificación. Utiliza el modelo Jev de TypeSafe para monitorear tus hábitos de interacción y ofrecer retroalimentación sin añadir latencia adicional.
github.comAgent-JEV-Tetris
Este proyecto demuestra una implementación del modelo JEV aplicada al clásico juego Tetris. Sirve como una muestra experimental para observar cómo el modelo gestiona la toma de decisiones en tiempo real y la lógica espacial dentro de un entorno de juego estructurado.
github.comSaltador de patrocinadores de YouTube
Esta extensión de Chrome utiliza Jev para detectar y omitir automáticamente segmentos de patrocinadores en videos de YouTube en tiempo real. El proyecto demuestra cómo el análisis de contenido en vivo puede mejorar la experiencia de visualización del usuario.
x.comDesafío de constructores con Jev y Fable 5.1
Este evento muestra a 100 desarrolladores utilizando Jev y Fable 5.1 para crear un programador de publicaciones. La demostración destaca la velocidad del framework Jev durante los ciclos de desarrollo rápido de aplicaciones.
x.comllama-index-jev
Este proyecto demuestra la integración de la reordenación y el enrutamiento de LlamaIndex con TypeSafe Jev. Explora el uso de puntuaciones y opciones tipadas para gestionar decisiones, buscando ofrecer una alternativa más económica que los métodos tradicionales de evaluación mediante LLM.
github.comDetección de fraude con Jev y Kimi K3
Este proyecto demuestra un enfoque multicapa para la detección de fraude en correos electrónicos. Utiliza Jev para la clasificación inicial, mientras delega los casos inciertos a Kimi K3 para mejorar la precisión en la identificación de comunicaciones potencialmente maliciosas.
x.comWhose Jev Is It Anyway?
Este experimento creativo explora el papel de Jev en la evaluación de la comedia de improvisación. El autor presenta un marco hipotético sobre cómo los sistemas automatizados podrían evaluar el arte escénico espontáneo.
x.comai-cli
Esta herramienta de interfaz de línea de comandos de Vercel Labs permite a los desarrolladores interactuar con modelos de IA directamente desde la terminal. Demuestra cómo integrar Jev como modelo de evaluación para tareas de pruebas de rendimiento y control de calidad.
github.comjev-decisions
Este repositorio ofrece mecanismos de validación de seguridad para agentes de IA como Hermes. Demuestra cómo implementar comprobaciones automatizadas que requieren aprobación o verificación humana antes de que un agente ejecute acciones o realice cambios en el sistema.
github.comjev-pr-labeler
Esta herramienta automatiza el etiquetado de pull requests en GitHub mediante decisiones tipadas de Jev. Clasifica los cambios según su alcance conceptual en lugar de contar líneas, ofreciendo un contexto más relevante para las revisiones de código.
github.comscam-shield
Esta herramienta utiliza el modelo Jev para filtrar mensajes de texto entrantes en busca de posibles estafas. Demuestra una aplicación práctica de la tecnología TypeSafe AI para mejorar la seguridad en las comunicaciones móviles mediante análisis automatizado.
github.comdaf-jev
Este kit de herramientas de Python ofrece un marco modular para interactuar con la API de decisiones de Jev. Incluye funciones para crear preguntas, implementar puertas de confianza y gestionar habilidades de agentes mediante una CLI y un servidor MCP.
github.comtypesafe-on-neon
Este proyecto ofrece un proxy de Neon Function para Neon AI Gateway. Demuestra cómo implementar el enrutamiento Jev con seguridad de tipos para gestionar las solicitudes de servicios de IA dentro de un entorno de desarrollo estructurado y fiable.
github.comjev-skill-router
Este proyecto demuestra una implementación de Jev para el enrutamiento de habilidades dentro de un sistema de agentes. Muestra cómo se pueden aplicar patrones de desarrollo comunitario para gestionar la distribución de tareas y los procesos de toma de decisiones.
x.comJev juega Geometry Dash
Este experimento comunitario muestra a Jev interactuando con el juego de plataformas Geometry Dash. Demuestra la capacidad del modelo para procesar entradas visuales del juego y ejecutar comandos de control correspondientes dentro de un entorno de juego en tiempo real.
x.comFunction calling
Esta referencia oficial de TypeSafe AI explica los mecanismos de la llamada a funciones. Demuestra cómo integrar herramientas externas y procesamiento de datos estructurados en flujos de trabajo de LLM para mejorar la ejecución de tareas y la interacción dinámica.
docs.typesafe.aiProcesamiento de la biblioteca de anuncios MaxFusion
Esta demostración muestra a Jev procesando un gran volumen de datos publicitarios. El creador afirma que el sistema puede gestionar casi dos mil anuncios en menos de veinte segundos, sugiriendo un potencial para flujos de trabajo de análisis de mercado de alta velocidad.
x.comjev-mcp
Esta prueba de concepto demuestra una implementación del Protocolo de Contexto de Modelo para el modelo de IA Jev. Funciona como una herramienta de integración experimental para desarrolladores que exploran la conectividad de Jev en flujos de trabajo de agentes.
github.comjev-code
Este proyecto ofrece una CLI interactiva de TypeScript que utiliza Jev para el enrutamiento tipado y la toma de decisiones. Demuestra cómo implementar árboles formales validados para estructurar y ejecutar flujos de trabajo de agentes basados en código.
github.comDescripción general de Jev System One
Este recurso explica las funciones principales y las métricas de evaluación de Jev como el modelo System One de TypeSafe. Ofrece una visión general de cómo opera el sistema y los criterios utilizados para evaluar su rendimiento en flujos de trabajo de agentes.
skillsagentes.comdsh-jev-tools
Este proyecto integra Jev en el marco de trabajo DeepSeek Harness. Demuestra cómo los desarrolladores pueden utilizar Jev para tareas de juicio automatizadas dentro de los flujos de evaluación existentes para optimizar la evaluación de modelos.
github.comGuía de instalación de habilidades Jev
Esta guía detalla el proceso para instalar habilidades en Jev. El recurso examina cómo estos componentes pueden reemplazar el uso tradicional de modelos de lenguaje extensos, ofreciendo un enfoque más directo para la ejecución de tareas específicas.
x.comJev en Vercel AI Gateway
Este recurso ofrece una implementación alojada de typesafe-ai/jev para llamadas de evaluación del SDK de IA. Demuestra cómo integrar Jev directamente a través de Vercel AI Gateway, eliminando la necesidad de una lista de espera de TypeSafe para estas operaciones.
vercel.comCalibración de umbral de confianza Jevcal
Esta herramienta de código abierto ofrece un mecanismo para calibrar los umbrales de confianza en sistemas Jev. Demuestra un enfoque práctico para que los usuarios ajusten la sensibilidad y alineen las salidas del modelo con sus necesidades operativas.
x.comDetector de falacias lógicas
Esta extensión para el navegador Brave analiza publicaciones en redes sociales para identificar falacias lógicas en tiempo real. Marca el contenido con una bandera verde cuando detecta argumentos bien razonados, ayudando a los usuarios a evaluar la calidad del discurso en línea.
x.comjev-cua
Este proyecto ofrece una interfaz de uso informático local diseñada para entornos Codex y Waku. Demuestra un flujo de trabajo optimizado para desarrolladores que buscan integrar la ejecución de tareas automatizadas directamente en sus configuraciones locales.
github.comgg-friggin-ez
Esta biblioteca para Node.js utiliza TypeSafe AI Jev para detectar lenguaje profano y tóxico. Está diseñada para identificar texto ofuscado, incluyendo leetspeak y espaciado de caracteres, cubriendo varios idiomas de la India como el hindi, el bengalí y el telugu.
github.comharnessjudge
harnessjudge ofrece un marco para evaluar flujos de trabajo de agentes utilizando TypeSafe Jev. Demuestra cómo clasificar sistemáticamente los pasos de un agente como exitosos, pendientes de reintento, sujetos a escalada o finalizados según la lógica operativa definida.
github.comask-jev
Este proyecto demuestra el uso del modelo Jev de tipo RLCD de TypeSafe AI para evaluar sesiones de codificación de agentes. El autor afirma que este enfoque ofrece un método independiente y económico para evaluar tareas de programación automatizadas.
github.comjevmail
jevmail es una herramienta de código abierto que utiliza Jev para organizar los correos de Gmail en categorías como respuestas pendientes o spam. El autor afirma que funciona localmente y puede procesar 1,000 correos por minuto mediante acceso de solo lectura.
github.comjev (dannote)
Esta biblioteca proporciona integración TypeSafe Jev para entornos OTP. Demuestra cómo gestionar respuestas de Jev dentro de un proceso GenServer, permitiendo a los desarrolladores realizar coincidencias de patrones en las respuestas recibidas para mejorar la fiabilidad.
github.comDemos de TypeSafe AI
Este recurso oficial ofrece una colección de demostraciones de referencia para TypeSafe AI. Actúa como un índice central para que los usuarios exploren implementaciones prácticas y ejemplos verificados de las capacidades principales y patrones arquitectónicos de la plataforma.
docs.typesafe.aiExperimento de navegación con drones Jev
Este experimento demuestra cómo Jev realiza la evitación de obstáculos en tiempo real para un dron que navega a través de un campo de asteroides simulado. El proyecto destaca capacidades de toma de decisiones autónomas en entornos dinámicos.
x.comLitJev
LitJev es una implementación del marco Jev que permite convertir modelos Qwen en motores de toma de decisiones. Utiliza el esquema /v1/systemone para proporcionar elecciones y puntuaciones sin necesidad de entrenamiento adicional ni generación de texto.
github.com
