Proposer un lien
English
한국어
日本語
Español
Deutsch
简体中文
繁體中文
Português
Bahasa Indonesia
ไทย
Italiano
Tiếng Việt
Türkçe
Polski
Русский
Retour au labJEVLAB / FIELD NOTES
Fraîchement sorti du labo
Une liste de lecture datée des ressources nouvellement ajoutées et des JEVLAB NEWS. Revenez pour voir ce qui a changé, ou suivez le flux RSS dans votre propre lecteur.
Mémorisez cette visite sur ce navigateur pour mettre en évidence les nouveaux ajouts la prochaine fois. Aucune connexion ou suivi inter-appareils.
Les dates indiquent quand un élément est devenu disponible dans JEVLAB, en UTC, et non quand sa source originale a été publiée. Les modifications de traduction uniquement ne comptent pas comme de nouvelles ressources.
36
jev-bfs
Ce projet implémente un jeu de course de liens Wikipédia utilisant le classement Jev. Il démontre une approche de recherche en largeur pour trouver des chemins entre les articles, avec une interface de terminal en direct pour suivre la progression.
github.comjevegis
jevegis propose une API unique pour intégrer des garde-fous dans les applications LLM. Basé sur TypeSafe Jev, cet outil permet de détecter les injections de prompts, les jailbreaks, les fuites de données et les contenus dangereux afin de sécuriser les interactions avec les modèles.
github.comPac-Man piloté par Jev
Cette démonstration présente une partie de Pac-Man où chaque mouvement est dicté par Jev. Il s'agit d'une expérience visant à appliquer la logique décisionnelle de Jev aux mécaniques d'arcade classiques pour observer les schémas de navigation stratégique.
x.comConférence technique de Diogo Almeida
Cette présentation du fondateur de Jev, Diogo Almeida, explore l'architecture de la plateforme. Le créateur affirme que le système offre une vitesse et une rentabilité élevées sans hallucinations, bien que ces performances n'aient pas fait l'objet d'une vérification indépendante.
x.comDoom avec futurs ramifiés
Cette expérience montre l'utilisation de Jev avec un LLM pour jouer à Doom. Elle explore la capacité de simuler plusieurs résultats futurs potentiels simultanément pendant le jeu afin d'éclairer les processus de prise de décision dans l'environnement virtuel.
x.comClassificateur de complexité de code
Ce projet présente un classificateur basé sur Jev pour évaluer la complexité des bases de code. Il vise à aider les développeurs à identifier et corriger le code sur-conçu grâce à une analyse structurelle automatisée.
x.comDocumentation TypeSafe AI
Cette ressource présente la documentation fondamentale de TypeSafe AI. Elle détaille les primitives, les modèles d'implémentation et des guides pratiques, tout en fournissant des références techniques complètes pour l'API HTTP et les kits de développement.
docs.typesafe.aijev-use
Ce plugin permet aux agents IA comme Claude Code de déléguer les étapes sans sortie textuelle à Jev. Il illustre un flux d'escalade typée vers le LLM, le créateur indiquant une latence p50 de 230ms et un coût d'environ 0,02 $ pour 1 000 jugements.
github.comConstruire le cerveau d'agent le plus rapide en 10 étapes
Ce guide présente un processus en dix étapes pour construire un cerveau d'agent en utilisant Jev. L'auteur affirme que cette approche optimise les performances à haute vitesse, offrant un flux de travail structuré pour les développeurs cherchant à créer des systèmes autonomes réactifs.
x.comRoutage basé sur la confiance
Ce modèle présente une méthode pour acheminer les requêtes en fonction des scores de confiance du modèle. Il explique comment mettre en œuvre une logique conditionnelle pour diriger les tâches vers des chemins appropriés afin d'assurer la qualité.
docs.typesafe.aiUne tentative à la Ligue Pokémon
Ce projet présente Jev tentant de vaincre la Ligue Pokémon dans Pokémon Or. Il illustre l'utilisation de commandes de base pour naviguer dans l'environnement du jeu et progresser lors des combats.
x.comtypesafe-go
Ce dépôt propose un SDK Go idiomatique conçu pour interagir avec l'API TypeSafe AI. Il sert d'outil de développement pour faciliter l'intégration et la communication avec le service en utilisant les modèles de programmation Go standard.
github.comExtension d'analyse de cadrage médiatique Ground Truth
Cette extension de navigateur utilise Jev pour analyser et classer les articles en ligne. Elle démontre comment identifier automatiquement le cadrage des actualités, les sujets abordés et l'utilisation d'un langage chargé dans les médias numériques.
x.comvon
von est un modèle de prise de décision System One open-source, conçu comme une alternative locale et non autorégressive à TypeSafe Jev. Le créateur affirme que le modèle atteint des vitesses d'inférence inférieures à 15ms.
github.comtypesafe-client
Cette bibliothèque Rust fournit un client asynchrone non officiel pour interagir avec l'API TypeSafe System One. Elle démontre comment implémenter des modèles de communication sécurisés par le typage lors de l'intégration avec les services backend de la plateforme.
github.comjev-mcp
Ce serveur MCP intègre TypeSafe Jev dans Claude Code, offrant des outils structurés pour la classification, la notation et le traitement par lots. Il démontre comment exposer des capacités de jugement calibrées sous forme de fonctions standardisées pour les flux de travail automatisés.
github.comjev-t-rex-runner
Ce projet démontre l'application du modèle Typesafe AI Jev pour automatiser le jeu du dinosaure de Chrome. Il constitue une expérience pratique sur l'intégration d'agents IA dans des environnements de jeux basés sur navigateur.
github.comContrôle vocal pour Fusion 360
Ce projet présente une interface de contrôle vocal pour Fusion 360. Il utilise Jev pour différencier les commandes d'action de la conversation courante, visant à simplifier les flux de travail CAO grâce à l'entrée en langage naturel.
x.comtaste-lint
Cet outil en ligne de commande utilise Jev pour identifier le contenu de faible qualité généré par IA dans les interfaces, les textes et les instructions d'agents. Il propose des vérifications sémantiques pour maintenir la qualité avant le déploiement.
github.comrh-guard
rh-guard propose un mécanisme de détection du piratage de récompenses pour les agents de codage. Il utilise des refus structurels et un sidecar TypeSafe Jev System One pour surveiller les hooks dans Claude Code et Cursor, visant à identifier les comportements suspects lors des tâches de développement automatisées.
github.comfast-jev-compaction
Ce plugin pour Claude Code remplace les résumés de compaction par des décisions Jev. Il évalue les appels d'outils et leurs résultats en une requête rapide, supprimant ou tronquant les données obsolètes tout en conservant le contenu essentiel tel quel.
github.comjevscape
jevscape fournit un harnais RuneBench pour Jev, comprenant un catalogue d'actions limité et un contrôleur en mode tick. Il intègre un tableau de bord en direct conçu pour aider les développeurs à surveiller et gérer les flux de travail des agents.
github.comspendbrake
spendbrake propose un mécanisme pour gérer les dépenses des agents IA. Il démontre comment mettre en œuvre des contrôles budgétaires en permettant aux utilisateurs de poursuivre, de rétrograder le modèle ou d'arrêter les opérations via TypeSafe Jev.
github.comjev-codes
Cet outil permet d'auditer automatiquement les diffs git par rapport à des normes de codage YAML définies. Il utilise le modèle Jev pour effectuer des vérifications de cohérence via une interface en ligne de commande ou des agents IA.
github.comJev Room
Jev Room est un outil web qui transforme une phrase descriptive en six configurations de pièces distinctes. L'application utilise Jev pour interpréter les entrées de l'utilisateur et générer des rendus visuels de designs d'intérieur variés.
jev-room.moe136231.chatgpt.sitejev-trader
jev-trader présente un robot de trading automatisé qui utilise Jev pour analyser les flux de prix des actifs. Le projet démontre comment le modèle prend des décisions d'achat et de vente et exécute des transactions réelles basées sur sa logique.
x.comjev-mail-classifier
Ce projet présente un système automatisé de gestion des e-mails utilisant Jev. Il propose une approche basée sur la configuration pour classer, étiqueter, déplacer et signaler les messages entrants, illustrant l'application des modèles d'IA TypeSafe pour rationaliser l'organisation des boîtes de réception personnelles.
github.comQuatorze vérifications pour chaque pull request
Cet outil automatise le contrôle qualité en effectuant quatorze vérifications sur les pull requests. Il vise à identifier les problèmes potentiels tels que les secrets codés en dur ou les modèles SQL suspects lors du développement.
x.comIntroduction à TypeSafe
Cette documentation officielle fournit un aperçu fondamental de l'écosystème TypeSafe. Elle sert de point d'entrée principal pour comprendre les concepts de base et les principes architecturaux qui régissent l'approche de la plateforme en matière d'intégration sécurisée de l'IA.
docs.typesafe.aijev-crawlers
Ce dépôt propose des robots d'indexation automatisés conçus avec des primitives de style Unix pour l'analyse système. Il démontre une approche modulaire de la recherche de bugs en utilisant des outils légers et composables pour effectuer la collecte de données et la découverte de vulnérabilités.
github.comtypesafe-local
Ce projet démontre une méthode pour interroger des LLM locaux sur Apple Silicon afin d'obtenir des probabilités calibrées plutôt que du texte. Il vise à fournir des sorties structurées directement, en contournant la génération de texte et l'analyse syntaxique.
github.comCheshi
Cheshi est un espace de travail macOS intégrant une mémoire de conversation Jev et OpenAI Codex. Il permet de gérer des agents IA, d'explorer du code via CodeGraph et d'unifier les outils Git, terminaux Ghostty et Apple Notes en une seule application.
github.comgame-coach
Ce projet intègre l'analyse du moteur Stockfish avec une logique de jugement basée sur Jev pour fournir des conseils stratégiques en temps réel aux joueurs d'échecs. Il démontre une méthode pour combiner les moteurs d'échecs traditionnels avec des systèmes d'IA modernes.
github.comSDE cascade
Cette référence officielle de TypeSafe présente la méthodologie SDE cascade. Elle démontre comment structurer des flux de travail IA multi-étapes pour améliorer la fiabilité des résultats et la cohérence logique lors de tâches complexes de développement logiciel.
docs.typesafe.aiDGP (Decision Graph Protocol)
Ce protocole expérimental utilise un adaptateur Jev pour évaluer des preuves via des choix typés. Il démontre comment le code applicatif peut valider des permissions et exécuter des actions de démonstration simulées dans un cadre décisionnel structuré.
github.comkyotsu-ai-bench
Ce dépôt propose un tableau de bord statique comparant les modèles Jev, luna-none et luna-low sur la base de l'examen commun japonais de 2026. Il sert de banc d'essai expérimental pour évaluer les performances de ces architectures sur des questions académiques standardisées.
github.com
