Le post de lancement de Jev
Diogo Almeida présente Jev, un modèle de décision structuré de TypeSafe. Cette ressource propose un aperçu de l'approche fondamentale du modèle, des exemples concrets et des mesures de performance rapportées par l'auteur.
JEVLe meilleur de Jev : projets concrets, guides pratiques et idées du web.
Quoi de neufDiogo Almeida présente Jev, un modèle de décision structuré de TypeSafe. Cette ressource propose un aperçu de l'approche fondamentale du modèle, des exemples concrets et des mesures de performance rapportées par l'auteur.
TypeSafe lance officiellement son laboratoire de recherche et présente Jev à la communauté des développeurs. Cette annonce comprend un film de lancement réalisé par Diogo Almeida et fournit un contexte essentiel sur la mission et l'orientation future du projet.
TypeSafe a supprimé la liste d'attente pour Jev, permettant un accès public à la plateforme. Les développeurs peuvent utiliser la console officielle pour intégrer et tester des capacités de prise de décision typées dans leurs propres applications.
TypeSafe met en avant l'approche de sortie typée de Jev : les applications fournissent l'état et les questions, puis agissent sur les probabilités, les choix ou les scores. L'annonce liée couvre également l'intégration de l'API Venice.
Découvrez Wallpets, notre autre compagnon de bureau. Déplacez le curseur sur l’écran du MacBook et regardez Natchan suivre votre regard.
Découvrir Wallpets 270 Clicks
Déplacez le curseur sur l’écran
AI-assisted summaries and translations. Check original sources for context and performance claims.
Ce dépôt constitue une bibliothèque complète de documents de recherche, de projets et de documentation sur les fondements de Jev, sa fiabilité et ses applications en cybersécurité. Il propose des ressources sélectionnées pour explorer les modèles de prise de décision System One et leur intégration technique.
JevOut fournit des outils pour étudier comment l'ajout de contexte naturel peut influencer les modèles de décision. Le projet démontre que des détails d'arrière-plan subtils peuvent rediriger des décisions correctes vers des résultats incorrects spécifiques sans modifier la tâche initiale.
JEV-MLX est une bibliothèque Python pour la sélection d'actions par LLM locaux sur Apple Silicon via MLX. Elle mappe l'état des applications et les requêtes utilisateur vers des actions sans nécessiter d'entraînement ou de réglage fin supplémentaire.
CARVE est une famille de modèles open source similaire à Jev, basée sur Qwen3.8-27B. Elle propose une API compatible TypeSafe effectuant des décisions en un seul jeton sans génération de texte libre, offrant des profils optimisés pour la précision et le débit dans les tâches décisionnelles.
ex-regex est une bibliothèque Python utilisant le modèle Jev pour effectuer des recherches de motifs basées sur le sens. Elle permet d'extraire et de classer du texte selon sa signification plutôt que sa syntaxe, en fournissant des résultats probabilistes sans générer de nouveau texte.

Falconer is an AI-powered company brain that keeps your engineering documentation accurate, searchable, and up to date by syncing with GitHub, Slack, Linear, and the rest of your stack.
Explorer le soutienjevotron est un outil CLI pour la détection d'anomalies au niveau des champs dans les fichiers structurés et bases de données, propulsé par Jev. Il permet de prévisualiser les données, scanner les incohérences et gérer des files d'attente de révision via cache local et SQL.
JevTown est un moteur de simulation où des agents IA évoluent dans un environnement en pixel art. Il illustre une architecture hybride combinant Jev pour la prise de décision structurée et les LLM pour le langage, permettant aux agents d'interagir de manière autonome.
Ce kit d'outils fournit un cadre structuré et typé pour auditer les instances Roblox Studio. Il permet aux développeurs d'effectuer des revues reproductibles en validant les propriétés des scènes selon des critères définis et en générant des rapports détaillés avec citations.
HelpMe Jev est un outil de prise de décision auto-hébergé combinant l'analyse structurée de Jev et les capacités linguistiques des LLM. Il aide à évaluer des situations sociales ou professionnelles délicates grâce à des analyses probabilistes et une aide à la rédaction, tout en laissant l'utilisateur décider.
Cette collection de notebooks Jupyter propose un programme pour construire des décisions IA typées avec Jev. Elle enseigne aux développeurs comment structurer les entrées et sorties pour des tâches de classification et de notation, en alliant logique Python déterministe et jugements basés sur des modèles.

Sound notifications for any AI agent — hooks for Claude Code, Cursor, Codex & more, plus an MCP server so the agent can choose its own sounds.
Explorer le soutienClinicalJev est une famille de modèles open source conçue pour la classification générale de textes cliniques. Elle permet de définir des tâches et des étiquettes lors de l'inférence, facilitant le traitement local de données médicales sensibles sans ajustement spécifique.
reflex-cu est un serveur MCP permettant aux agents IA d'effectuer des tâches sur macOS et Windows. Il améliore l'efficacité en lisant les arbres d'accessibilité de l'interface utilisateur plutôt que de se fier aux captures d'écran et utilise Jev pour des décisions rapides.
jev-mail est une extension de navigateur utilisant le modèle d'IA Jev pour classer, étiqueter et nettoyer votre boîte de réception Gmail. Elle fonctionne localement dans votre navigateur avec votre propre clé API, offrant des outils de tri et de gestion d'e-mails confidentiels.
jev-max est une bibliothèque d'agents de navigation qui améliore l'automatisation basée sur Jev en traversant les shadow DOM et les iframes. Elle propose des fonctionnalités telles que le repli sur canvas, la vérification des clics et le support multi-onglets via une interface MCP.
CloakBrowser-Agent est un outil d'automatisation de navigateur furtif intégrant la prise de décision de TypeSafe Jev. Disponible en tant que serveur MCP, CLI ou bibliothèque Python, il permet une navigation humaine en sélectionnant des opérations basées sur des probabilités calibrées plutôt que sur du code généré.
chowder is a unified API layer that aggregates, normalizes, and serves your data from any source. One endpoint. Every ingredient.
Explorer le soutienLaser est un outil de blocage de distractions par IA pour Omarchy et Hyprland. Il utilise TypeSafe Jev pour comparer vos fenêtres actives à votre tâche en cours, offrant des rappels progressifs tout en garantissant la confidentialité des données traitées localement.
Ce serveur MCP intègre le modèle de décision Jev de TypeSafe AI aux agents IA. Il fournit des réponses structurées et déterministes, incluant des scores de certitude et des verdicts act/review/abstain, permettant aux agents d'effectuer des évaluations typées sur des états ou des fichiers.
Cette bibliothèque Elixir fournit un client pour les modèles de décision System One, prenant en charge TypeSafe Jev, Cloudflare Clef et OpenRouter. Elle permet de récupérer des réponses typées avec des distributions de probabilité complètes pour le routage de décisions, incluant télémétrie et stubs de test.
Ce paquet intègre un modèle de décision JEV System One dans l'agent de codage pi pour contrôler les envois de sous-agents. Il propose des règles de conformité, des requêtes directes au modèle et une surveillance optionnelle à l'exécution pour gérer le comportement et l'exécution des tâches.
Ce pont MCP local permet à Codex de déléguer des tâches de rédaction à Gemini tout en utilisant TypeSafe Jev pour des contrôles de qualité automatisés. Il exploite les quotas Google AI Pro via Antigravity CLI pour gérer les propositions de code.

Wallpets brings cinematic animal companions to your desktop with lightweight mouse-following behavior, idle play, and a growing pet catalog.
Explorer le soutienoptim-jev est un plugin pour Claude Code qui optimise l'utilisation des jetons via la compaction de contexte, le routage de modèles et le chargement sélectif de compétences. Il vise à réduire la surcharge des sessions tout en préservant les flux de travail existants.
Ce plugin WordPress utilise le modèle Jev pour modérer les commentaires de manière asynchrone concernant le spam, l'abus et la pertinence. Il traite les commentaires en arrière-plan pour maintenir la vitesse de soumission, en utilisant des seuils configurables pour décider d'approuver, retenir ou marquer comme spam.
Jevvy est une collection de plugins pour agents de codage utilisant les modèles TypeSafe System One pour automatiser l'approbation des permissions shell. Il évalue les commandes selon des seuils de risque et s'abstient de toute décision en cas d'incertitude.
nocap est une passerelle de preuve System One pour les pipelines RAG qui évalue le contexte récupéré avant la génération. Il achemine les requêtes vers des réponses, des recherches supplémentaires, des abstentions ou des révisions de conflits, limitant les hallucinations en garantissant que les LLM s'appuient sur des preuves.
jevr est un client R pour les modèles JEV et TypeSafe System One. Il permet d'envoyer des états et des questions structurées aux modèles, renvoyant des réponses programmatiques exploitables pour la prise de décision plutôt que pour le chat conversationnel.

Menta es el software de gestión clínica impulsado por IA. Una plataforma todo en uno para la gestión administrativa y clínica de profesionales y clínicas
Explorer le soutienCe dépôt propose une collection organisée de prépublications académiques et de rapports techniques sur Jev, un modèle de Système Un conçu pour les décisions probabilistes typées. Il classe les recherches par sources, benchmarks et applications pour suivre l'évolution rapide de la littérature sur l'IA décisionnelle.
Jevector présente un système de correspondance de profils utilisant Clef ou Jev pour encoder des critères en vecteurs numériques. Il utilise HNSW pour la recherche et classe les candidats par couverture de préférences, surpassant BM25 et BGE-small dans des tests synthétiques.
Ce projet présente un pipeline de modération multimodal utilisant Qwen3-VL avec LoRA pour générer des preuves structurées destinées aux décisions de politique TypeSafe Jev. Il fournit des bases de référence reproductibles et des protocoles d'évaluation pour identifier les contenus misogynes, en soulignant les compromis entre le rappel et les coûts de révision manuelle.
Ce dépôt propose des exemples pratiques de flux de travail GTM utilisant Jev, incluant le tri des leads, l'évaluation des risques et la gestion des comptes. Il démontre l'intégration des processus TypeSafe AI avec Claude pour automatiser les opérations commerciales.
Cet espace de jeu expérimental utilise le modèle Jev pour effectuer des calculs, discuter et dessiner étape par étape. Il permet d'inspecter les sorties probabilistes et les rapports d'incidents, en se concentrant sur le comportement du modèle plutôt que sur la réussite des tâches.
NucleiSniper est un pipeline utilisant TypeSafe Jev AI pour profiler les cibles et classer les modèles Nuclei par pertinence. Il permet d'accélérer la découverte de vulnérabilités critiques en exécutant les tests les plus appropriés en priorité.
ComfyUI-Jev fournit des nœuds personnalisés pour intégrer l'interprétation de texte et les capacités de jugement de Jev directement dans les flux de travail ComfyUI. Il permet aux utilisateurs d'effectuer des tâches telles que la notation de texte, la sélection de candidats et la logique conditionnelle via des instructions en langage naturel.
JEV Safety Gateway est un proxy inverse transparent situé entre Nginx et les backends LLM. Il extrait les entrées utilisateur pour les soumettre au modèle JEV, bloquant ainsi les contenus dangereux tout en laissant passer les requêtes légitimes.
Jevspresso démontre l'intégration de Jev avec XState pour gérer une simulation de bar à expresso. En limitant le modèle à ne sélectionner que des transitions valides de la machine à états, il garantit que l'agent IA opère dans des contraintes physiques définies.
ComfyUI-SystemOne propose des nœuds personnalisés permettant de ramifier des flux de travail basés sur des jugements en langage naturel. Il prend en charge les modèles locaux Laya ou les API Jev et Clef pour router, noter ou filtrer automatiquement les tâches de génération d'images.
Lemonpod gives founders one morning brief that combines GitHub, calendar, tasks, inbox, and other work signals into a text summary and audio update. Start the day knowing what needs attention without checking multiple apps.
Explorer le soutienCe plugin Nextflow intègre les jugements TypeSafe System One dans les pipelines bioinformatiques. Il permet aux développeurs de définir des questions typées comme valeurs de pipeline, facilitant une logique de branchement basée sur des distributions de probabilités plutôt que sur du texte généré.
JevSceneMiner est un outil permettant d'extraire des manœuvres de conduite à partir de journaux de véhicules via Jev. Il convertit les données de mouvement et de capteurs en scènes structurées et horodatées, facilitant la curation de jeux de données, la validation des performances et l'analyse des comportements.
JevLight est un cadre de contrôle des feux de signalisation utilisant le modèle de décision Jev dans les simulations SUMO. Il démontre comment mapper les états des intersections et les décisions de phase vers des requêtes API structurées, supportant des stratégies de contrôle locales et coordonnées.
Hunch est un environnement de test basé sur navigateur pour le modèle de décision Jev. Il permet de construire visuellement des requêtes typées, de les exécuter via l'API OpenRouter et d'inspecter les probabilités, la latence et les coûts sans serveur backend.
Cet outil intègre le modèle Jev de TypeSafe dans les flux d'automatisation de navigateur pour gérer la sélection d'éléments. Il agit comme une surcouche pour les serveurs MCP existants, visant à améliorer la réussite des tâches et l'efficacité des coûts.

The AI-augmented control plane for cybersecurity — unify your security stack, quantify cyber risk in dollars, and run governed AI agents.
Explorer le soutienjevify identifie les points d'appel IA adaptés à une migration vers JEV en auditant les modèles de décision structurés. Il propose un flux de travail de migration en mode fantôme pour valider les performances et la précision par rapport aux implémentations LLM existantes.
jev-lint est un outil en ligne de commande qui analyse les bases de connaissances Markdown pour identifier les contradictions, les affirmations obsolètes et les liens brisés. Il utilise TypeSafe Jev pour l'analyse sémantique et génère un rapport HTML autonome pour faciliter la maintenance documentaire.
Cette compétence Claude fournit une vérification de conception pour déterminer si le modèle Jev de TypeSafe est adapté à des tâches de développement spécifiques. Elle propose des modèles architecturaux et des évaluations de faisabilité pour aider à identifier les cas d'utilisation des capacités de jugement typé de Jev.
Ce plugin OpenCode utilise Jev pour ajuster dynamiquement l'effort de raisonnement des modèles d'IA. Il vise à optimiser l'utilisation des jetons et la latence en sélectionnant des niveaux d'effort appropriés par requête, plutôt que d'utiliser des paramètres fixes pour toutes les tâches.
Vibefilter est un plugin pour Filament permettant de filtrer les données de tableaux via le langage naturel. Il utilise le modèle Jev de TypeSafe pour noter les lignes selon des énoncés utilisateur, permettant une classification zéro-shot sans nécessiter de données d'entraînement ou de mots-clés.

Friend recommendations, not stranger reviews. Save spots, build your food passport, and search friends food maps when you travel. Free on iOS.
Explorer le soutienCe dépôt propose une liste organisée et mise à jour de modèles de décision System One. Il répertorie diverses alternatives open source aux interfaces Jev propriétaires, en détaillant leurs architectures, licences et compatibilité avec les modèles d'API standards pour les entrées typées.
Ce dépôt propose une enquête sur les preuves concernant Jev et les modèles de décision typés similaires. Il synthétise les recherches sur la calibration, les modes de défaillance et l'intégration système, en traçant les mesures de performance jusqu'aux sources académiques.
Cet outil fournit un adaptateur autonome pour intégrer des preuves sémantiques TypeSafe AI dans Agent-Workflow. Il permet une prise de décision limitée et l'évaluation des compétences tout en garantissant que l'hôte conserve le contrôle total sur la politique, l'exécution et le cycle de vie.
typesafe-eval est un outil CLI et une passerelle CI pour l'évaluation automatisée de documents via l'API TypeSafe System One. Il permet la détection de régressions, la vérification de listes de contrôle et le masquage de données sensibles pour assurer la qualité documentaire.
Codex-Jev est une extension VS Code qui filtre les lignes répétitives des sorties d'outils avant leur traitement par Codex. Elle vise à améliorer la clarté en mettant en évidence les preuves pertinentes tout en conservant des liens vers les journaux complets.

Whale sharks drifting past. A quiet café after hours. Sixteen living worlds, just beyond your screen.
Explorer le soutienVellum est un outil expérimental qui mappe du contenu Markdown vers des documents Sanity en utilisant un classificateur plutôt qu'un LLM. Il démontre comment structurer des données en demandant à un classificateur d'assigner des blocs de texte à des champs spécifiques.
Decidealot offre une interface HTTP et MCP unifiée pour exécuter des modèles locaux tels que Laya, Von et CLM, ou des services Jev hébergés. Il permet une classification et une notation typées, aidant les applications à prendre des décisions programmatiques basées sur des probabilités.
TypeWright est un compilateur déclaratif et un environnement d'exécution pour les décisions Jev. Il permet de définir des contrats d'état et de décision, de les compiler en programmes JSON avec somme de contrôle à partir de données étiquetées, et de les exécuter sans dépendances externes comme DSPy.
mappity est un outil utilisant TypeSafe Jev et Cactus Needle pour répondre à des requêtes en langage naturel sur des lieux géographiques. Il traite les données d'OpenStreetMap et de Mapillary pour attribuer des scores de probabilité aux emplacements selon les demandes.
Cette ressource propose une implémentation GGUF locale du modèle JEV-27B pour Windows. Elle démontre l'intégration avec Ollama, utilisant une base Qwen3.8 et des capacités optionnelles de langage visuel pour les tâches de traitement IA local.

Dotient is a local-first semantic file search tool that indexes your personal archive. No cloud, no uploads. Starts at $10 one-time.
Explorer le soutienCet outil démontre l'utilisation de TypeSafe System One pour fournir des verdicts typés et parallèles sur les pull requests GitHub. Il remplace les chaînes LLM lentes par des politiques basées sur le code et des jugements de modèles pour automatiser les revues de code.
Cette ressource propose des simulations interactives démontrant Jev, un modèle de Système Un conçu pour une prise de décision rapide et typée. Elle illustre comment l'échantillonnage parallèle et la confiance calibrée peuvent améliorer l'architecture pour les tâches de routage, de triage et de vérification dans les systèmes d'IA existants.
Ce dépôt fournit un banc d'essai pour le modèle Jev de TypeSafe, visant à évaluer la calibration de confiance, la détection d'hallucinations et les performances de génération augmentée par récupération (RAG). Il inclut des scripts pour comparer la précision, les coûts et la latence.
Jevline reconstruit des incidents de sécurité à partir d'un seul processus malveillant confirmé. En utilisant le modèle Jev, l'outil lie automatiquement les activités corrélées dans divers formats de journaux pour générer une chronologie, une chaîne d'exécution et une table de preuves.
Cet outil fournit des évaluations de risque pré-paiement signées pour les portefeuilles et les agents. Il évalue les contreparties en utilisant les listes OFAC, des flux de phishing, la simulation de transactions et une surveillance propriétaire pour détecter les contrats malveillants.
Vision-Jev est un projet open source proposant des modèles dotés de vision pour juger et agir sur des ensembles de candidats dynamiques. Il utilise des têtes de sortie structurées pour le choix, la suffisance des preuves et le scoring, privilégiant des décisions auditables.
Ce plugin Nushell intègre la prise de décision structurée TypeSafe Jev directement dans l'environnement shell. Il permet aux utilisateurs de définir des questions, d'annoter des flux de données et d'obtenir des informations basées sur des modèles en utilisant les pipelines et commandes natifs de Nushell.
SOLO Decision optimise la disposition des données relationnelles pour maximiser l'efficacité de la mise en cache des préfixes pour les modèles de décision basés sur les LLM. En réorganisant les lignes et les champs, il démontre une amélioration du débit sur des charges de travail synthétiques.
Ce projet permet d'exécuter le modèle de décision non autorégressif Laya entièrement dans un navigateur web via WebGPU ou WebAssembly. Il démontre comment effectuer des tâches de décision basées sur l'état localement, sans serveur ni clé API, en utilisant ONNX Runtime Web.
Ce serveur MCP permet aux agents IA d'interagir avec l'API Jev pour une prise de décision structurée. Il facilite la classification, le routage et la vérification en renvoyant des valeurs typées avec des scores de confiance plutôt que du texte libre.

One system for commercial operations. AI automation for order processing, quote-to-cash, and the work behind the work, built around your rules and approvals.
Explorer le soutienjeffort est un plugin pour Claude Code qui route dynamiquement les niveaux d'effort des prompts via Jev de TypeSafe. Il ajuste l'effort à chaque tour et intègre des fonctionnalités de masquage de données pour sécuriser les informations sensibles.
Cet outil propose un plugin Claude Code et une bibliothèque pour la compaction de contexte via Jev sur OpenRouter. Il supprime les appels d'outils inutiles tout en préservant le texte original, avec une politique de rétention de données nulle imposée par configuration.
jev-lint est un linter flou pour les agents de codage qui fournit des retours en temps réel. Il aide les agents à identifier et corriger les violations de règles immédiatement après l'édition, réduisant ainsi les coûts de correction après revue.
Ce projet fournit une implémentation de référence pour utiliser le modèle Jev de TypeSafe comme routeur de compétences pour Claude Code. Il démontre comment consigner et évaluer les suggestions de compétences, bien que l'auteur ait trouvé une utilité limitée à cette intégration.
jev-blindspot est un outil de révision de prompts pour Claude Code et Codex CLI qui identifie les lacunes potentielles dans vos requêtes. Il utilise un classificateur pour déterminer si une analyse est nécessaire, fournissant des retours dans une interface web locale sans interrompre votre session.

Für Ideen, Gespräche, Meetings und alles dazwischen.
Explorer le soutienjev-gateway est un proxy local qui intègre le modèle de décision Jev dans des agents de codage comme Codex et Claude Code. Il optimise les appels d'outils tout en transmettant les autres requêtes au fournisseur LLM d'origine sans modification.
jev4pg intègre l'intelligence sémantique JEV dans PostgreSQL, offrant des outils pour les requêtes en langage naturel et le filtrage sémantique. Il propose des plongements explicables et une exécution parallèle pour aider les utilisateurs à analyser leurs bases de données via un espace de travail unifié ou des extensions SQL natives.