Invia una scoperta
English
한국어
日本語
Español
Français
Deutsch
简体中文
繁體中文
Português
Bahasa Indonesia
ไทย
Tiếng Việt
Türkçe
Polski
Русский
Torna al laboratorioJEVLAB / FIELD NOTES
Novità dal laboratorio
Un elenco di lettura datato di risorse appena aggiunte e JEVLAB NEWS. Torna per vedere cosa è cambiato o segui il feed RSS nel tuo lettore.
Ricorda questa visita su questo browser per evidenziare le nuove aggiunte la prossima volta. Nessun accesso o tracciamento cross-device.
Le date mostrano quando un elemento è diventato disponibile in JEVLAB, in UTC, non quando è stata pubblicata la sua fonte originale. Le modifiche di sola traduzione non contano come nuove risorse.
36
jev-bfs
Questo progetto implementa un gioco di corse di link di Wikipedia utilizzando il ranking Jev. Dimostra un approccio di ricerca in ampiezza per trovare percorsi tra gli articoli, con un'interfaccia terminale in tempo reale per monitorare i progressi.
github.comjevegis
jevegis offre un'API unificata per implementare barriere di sicurezza nelle applicazioni LLM. Basato su TypeSafe Jev, lo strumento mira a rilevare iniezioni di prompt, jailbreak, fughe di dati e contenuti non sicuri per proteggere le interazioni con i modelli linguistici.
github.comPac-Man guidato da Jev
Questa dimostrazione mostra una partita a Pac-Man in cui ogni mossa è determinata da Jev. Il progetto funge da esperimento per applicare la logica decisionale di Jev alle meccaniche arcade classiche e osservare i pattern di navigazione strategica.
x.comTalk tecnico di Diogo Almeida
Questa presentazione del fondatore di Jev, Diogo Almeida, esplora l'architettura della piattaforma. Il creatore afferma che il sistema raggiunge alta velocità e convenienza senza allucinazioni, sebbene tali metriche di prestazione non siano state verificate in modo indipendente.
x.comDoom con futuri ramificati
Questo esperimento dimostra l'uso di Jev insieme a un LLM per giocare a Doom. Esplora la capacità di simulare simultaneamente molteplici risultati futuri potenziali durante il gioco per informare i processi decisionali all'interno dell'ambiente di gioco.
x.comClassificatore di complessità del codice
Questo progetto presenta un classificatore basato su Jev per valutare la complessità delle basi di codice. Mira ad aiutare gli sviluppatori a identificare e correggere il codice sovra-ingegnerizzato tramite un'analisi strutturale automatizzata.
x.comDocumentazione TypeSafe AI
Questa risorsa fornisce la documentazione fondamentale per TypeSafe AI. Include primitive principali, pattern di implementazione e ricette pratiche, insieme a riferimenti tecnici completi per l'API HTTP e i kit di sviluppo software disponibili.
docs.typesafe.aijev-use
Questo plugin consente ad agenti IA come Claude Code di delegare a Jev i passaggi che non richiedono output testuale. Dimostra un flusso di escalation tipizzato verso l'LLM, con il creatore che riporta una latenza p50 di 230ms e un costo di circa 0,02 $ per 1.000 giudizi.
github.comCostruire il cervello di agente più veloce in 10 passaggi
Questa guida delinea un processo in dieci passaggi per costruire un cervello di agente utilizzando Jev. L'autore afferma che questo approccio ottimizza le prestazioni ad alta velocità, fornendo un flusso di lavoro strutturato per gli sviluppatori che cercano di creare sistemi autonomi reattivi.
x.comRouting basato sulla confidenza
Questo pattern dimostra un metodo per instradare le richieste in base ai punteggi di confidenza del modello. Insegna come implementare una logica condizionale per dirigere i task verso percorsi di elaborazione appropriati per garantire la qualità.
docs.typesafe.aiUna sfida alla Lega Pokémon
Questo progetto mostra Jev che tenta di sconfiggere la Lega Pokémon in Pokémon Oro. Dimostra l'uso di input di controllo di base per navigare nell'ambiente di gioco e progredire nelle battaglie.
x.comtypesafe-go
Questo repository fornisce un SDK Go idiomatico progettato per interagire con l'API di TypeSafe AI. Funge da strumento per sviluppatori per facilitare l'integrazione e la comunicazione con il servizio utilizzando i modelli di programmazione Go standard.
github.comEstensione di analisi del framing delle notizie Ground Truth
Questa estensione del browser utilizza Jev per analizzare e classificare gli articoli online. Dimostra come identificare automaticamente il framing delle notizie, gli argomenti trattati e l'uso di linguaggio carico nei media digitali.
x.comvon
von è un modello di processo decisionale System One open-source, progettato come alternativa locale e non autoregressiva a TypeSafe Jev. L'autore sostiene che il modello raggiunga velocità di inferenza inferiori a 15ms per i compiti decisionali.
github.comtypesafe-client
Questa libreria Rust fornisce un client asincrono non ufficiale per interagire con l'API di TypeSafe System One. Dimostra come implementare pattern di comunicazione type-safe durante l'integrazione con i servizi backend della piattaforma.
github.comjev-mcp
Questo server MCP integra TypeSafe Jev in Claude Code, fornendo strumenti strutturati per la classificazione, il punteggio e l'elaborazione batch. Dimostra come esporre capacità di giudizio calibrate come funzioni standardizzate per flussi di lavoro di agenti automatizzati.
github.comjev-t-rex-runner
Questo progetto dimostra l'applicazione del modello Typesafe AI Jev per automatizzare il gioco del dinosauro di Chrome. Funge da esperimento pratico sull'integrazione di agenti IA in ambienti di gioco basati su browser.
github.comControllo vocale per Fusion 360
Questo progetto dimostra un'interfaccia di controllo vocale per Fusion 360. Utilizza Jev per distinguere tra comandi operativi e conversazioni casuali, con l'obiettivo di semplificare i flussi di lavoro CAD tramite l'input in linguaggio naturale.
x.comtaste-lint
Questo strumento a riga di comando utilizza Jev per identificare contenuti di bassa qualità generati dall'IA nelle interfacce utente, nei testi e nelle istruzioni degli agenti. Offre controlli semantici per mantenere la qualità prima del rilascio dei progetti.
github.comrh-guard
rh-guard fornisce un meccanismo di rilevamento del reward-hacking per agenti di codifica. Utilizza rifiuti strutturali e un sidecar TypeSafe Jev System One per monitorare gli hook in Claude Code e Cursor, mirando a identificare potenziali comportamenti di reward-hacking durante le attività di sviluppo automatizzate.
github.comfast-jev-compaction
Questo plugin per Claude Code sostituisce i riepiloghi di compattazione con decisioni basate su Jev. Valuta le chiamate agli strumenti e i risultati in una singola richiesta rapida, eliminando o troncando i dati obsoleti e mantenendo intatte le informazioni essenziali.
github.comjevscape
jevscape fornisce un harness RuneBench per Jev, caratterizzato da un catalogo di azioni limitato e un controller in modalità tick. Include una dashboard in tempo reale progettata per aiutare gli sviluppatori a monitorare e gestire i flussi di lavoro degli agenti.
github.comspendbrake
spendbrake offre un meccanismo per gestire le spese degli agenti IA. Dimostra come implementare controlli di budget consentendo agli utenti di continuare, declassare il modello o interrompere le operazioni tramite TypeSafe Jev.
github.comjev-codes
Questo strumento consente di controllare automaticamente i diff di git rispetto a standard di codifica YAML definiti. Utilizza il modello Jev per eseguire verifiche di coerenza tramite interfaccia a riga di comando o flussi di lavoro di agenti IA.
github.comJev Room
Jev Room è uno strumento web che trasforma una singola frase descrittiva in sei diverse configurazioni di stanze. L'applicazione utilizza Jev per interpretare l'input dell'utente e generare rendering visivi di vari design d'interni.
jev-room.moe136231.chatgpt.sitejev-trader
jev-trader dimostra un bot di trading automatizzato che utilizza Jev per analizzare i feed dei prezzi degli asset. Il progetto illustra come il modello prende decisioni di acquisto e vendita ed esegue transazioni finanziarie reali basate sulla sua logica.
x.comjev-mail-classifier
Questo progetto dimostra un sistema automatizzato di gestione delle email che utilizza Jev. Offre un approccio basato sulla configurazione per classificare, etichettare, spostare e contrassegnare i messaggi in arrivo, mostrando come applicare i modelli IA di TypeSafe per ottimizzare i flussi di lavoro di organizzazione della posta in arrivo.
github.comQuattordici controlli per ogni pull request
Questo strumento automatizza la revisione del codice eseguendo quattordici controlli su ogni pull request. Mira a identificare potenziali problemi come segreti hardcoded o pattern SQL problematici durante il flusso di lavoro di sviluppo.
x.comIntroduzione a TypeSafe
Questa documentazione ufficiale fornisce una panoramica fondamentale dell'ecosistema TypeSafe. Serve come punto di ingresso principale per comprendere i concetti chiave e i principi architetturali che guidano l'approccio della piattaforma verso un'integrazione sicura e affidabile dell'intelligenza artificiale.
docs.typesafe.aijev-crawlers
Questo repository fornisce crawler automatizzati costruiti con primitive in stile Unix per l'analisi di sistema. Dimostra un approccio modulare alla ricerca di bug utilizzando strumenti leggeri e componibili per eseguire la raccolta di dati e la scoperta di vulnerabilità negli ambienti target.
github.comtypesafe-local
Questo progetto dimostra un metodo per interrogare LLM locali su Apple Silicon per ottenere probabilità calibrate invece di testo. Mira a fornire output strutturati direttamente, evitando la generazione di testo e i passaggi di analisi sintattica successivi.
github.comCheshi
Cheshi è uno spazio di lavoro per macOS che integra la memoria di conversazione basata su Jev con OpenAI Codex. Consente di gestire agenti IA, esplorare il codice tramite CodeGraph e unificare i flussi di lavoro con Git, terminali Ghostty e Apple Notes.
github.comgame-coach
Questo progetto integra l'analisi del motore Stockfish con la logica di giudizio basata su Jev per fornire una guida strategica in tempo reale ai giocatori di scacchi. Dimostra un metodo per combinare i motori scacchistici tradizionali con moderni sistemi di IA.
github.comSDE cascade
Questa referenza ufficiale di TypeSafe delinea la metodologia SDE cascade. Dimostra come strutturare flussi di lavoro IA a più fasi per migliorare l'affidabilità dell'output e la coerenza logica durante compiti complessi di sviluppo software.
docs.typesafe.aiDGP (Decision Graph Protocol)
Questo protocollo sperimentale utilizza un adattatore Jev per valutare le prove tramite scelte tipizzate. Dimostra come il codice dell'applicazione possa convalidare i permessi ed eseguire azioni dimostrative simulate all'interno di un quadro decisionale strutturato.
github.comkyotsu-ai-bench
Questo repository offre una dashboard statica che confronta i modelli Jev, luna-none e luna-low basandosi sul test comune giapponese del 2026. Il progetto funge da benchmark sperimentale per valutare le prestazioni di queste architetture IA su quesiti d'esame accademici standardizzati.
github.com
