Gửi tài nguyên
English
한국어
日本語
Español
Français
Deutsch
简体中文
繁體中文
Português
Bahasa Indonesia
ไทย
Italiano
Türkçe
Polski
Русский
Quay lại phòng thí nghiệmJEVLAB / FIELD NOTES
Mới từ phòng thí nghiệm
Danh sách đọc theo ngày về các tài nguyên mới được thêm vào và TIN TỨC JEVLAB. Hãy quay lại để xem những gì đã thay đổi hoặc theo dõi nguồn cấp RSS trong trình đọc của riêng bạn.
Ghi nhớ lần truy cập này trên trình duyệt này để làm nổi bật các bổ sung mới vào lần sau. Không đăng nhập hoặc theo dõi trên nhiều thiết bị.
Ngày hiển thị khi một mục có sẵn trong JEVLAB, theo giờ UTC, không phải khi nguồn gốc của nó được xuất bản. Các chỉnh sửa chỉ dành cho dịch thuật không được tính là tài nguyên mới.
36
jev-bfs
Dự án này triển khai một trò chơi đua liên kết Wikipedia sử dụng xếp hạng Jev. Nó minh họa phương pháp tìm kiếm theo chiều rộng để tìm đường dẫn giữa các bài viết, với giao diện dòng lệnh trực tiếp để theo dõi tiến trình.
github.comjevegis
jevegis cung cấp một API thống nhất để triển khai các rào cản bảo mật cho ứng dụng LLM. Được xây dựng trên TypeSafe Jev, công cụ này giúp phát hiện các cuộc tấn công tiêm nhiễm, jailbreak, rò rỉ dữ liệu và nội dung không an toàn cho mô hình ngôn ngữ.
github.comPac-Man được điều khiển bởi Jev
Bản demo này giới thiệu một ván chơi Pac-Man trong đó mọi di chuyển đều do Jev quyết định. Dự án đóng vai trò là một thử nghiệm áp dụng logic ra quyết định của Jev vào các cơ chế arcade cổ điển để quan sát các mô hình điều hướng chiến lược.
x.comBài nói chuyện kỹ thuật của Diogo Almeida
Bài thuyết trình của người sáng lập Jev, Diogo Almeida, khám phá kiến trúc của nền tảng. Người tạo tuyên bố rằng hệ thống đạt tốc độ cao và hiệu quả chi phí mà không có hiện tượng ảo giác, mặc dù các số liệu hiệu suất này chưa được xác minh độc lập.
x.comDoom với các tương lai phân nhánh
Thử nghiệm này trình diễn việc sử dụng Jev kết hợp với LLM để chơi Doom. Nó khám phá khả năng mô phỏng đồng thời nhiều kết quả tương lai tiềm năng trong quá trình chơi để hỗ trợ các quyết định trong môi trường trò chơi.
x.comBộ phân loại độ phức tạp mã nguồn
Dự án này giới thiệu một bộ phân loại dựa trên Jev để đánh giá độ phức tạp của mã nguồn. Nó nhằm mục đích giúp các nhà phát triển xác định và giảm thiểu mã được thiết kế quá mức thông qua phân tích cấu trúc tự động.
x.comTài liệu TypeSafe AI
Tài liệu này cung cấp các hướng dẫn cơ bản cho TypeSafe AI. Nó bao gồm các thành phần cốt lõi, mẫu triển khai và các sách hướng dẫn thực tế, cùng với tài liệu tham khảo kỹ thuật đầy đủ cho API HTTP và bộ công cụ phát triển phần mềm.
docs.typesafe.aijev-use
Plugin này cho phép các tác nhân AI như Claude Code ủy quyền các bước không cần đầu ra văn bản cho Jev. Nó minh họa quy trình leo thang có kiểu dữ liệu trở lại LLM, với tác giả báo cáo độ trễ p50 là 230ms và chi phí khoảng 0,02 đô la cho mỗi 1.000 đánh giá.
github.comXây dựng bộ não đại lý nhanh nhất trong 10 bước
Hướng dẫn này phác thảo quy trình mười bước để xây dựng bộ não đại lý bằng cách sử dụng Jev. Tác giả tuyên bố rằng phương pháp này tối ưu hóa hiệu suất tốc độ cao, cung cấp quy trình làm việc có cấu trúc cho các nhà phát triển muốn tạo ra các hệ thống tự trị phản hồi nhanh.
x.comĐịnh tuyến dựa trên độ tin cậy
Mô hình này minh họa phương pháp định tuyến yêu cầu dựa trên điểm số tin cậy của mô hình. Nó hướng dẫn cách triển khai logic điều kiện để điều hướng các tác vụ đến các luồng xử lý phù hợp nhằm đảm bảo chất lượng đầu ra.
docs.typesafe.aiThử thách tại Liên đoàn Pokémon
Dự án này trình bày việc Jev cố gắng đánh bại Liên đoàn Pokémon trong Pokémon Gold. Nó minh họa cách sử dụng các lệnh điều khiển cơ bản để di chuyển trong môi trường trò chơi và thực hiện các trận đấu.
x.comtypesafe-go
Kho lưu trữ này cung cấp một SDK Go thông dụng được thiết kế để tương tác với API TypeSafe AI. Nó đóng vai trò là công cụ dành cho nhà phát triển nhằm tạo điều kiện thuận lợi cho việc tích hợp và giao tiếp với dịch vụ bằng các mẫu lập trình Go tiêu chuẩn.
github.comTiện ích mở rộng phân tích khung tin tức Ground Truth
Tiện ích trình duyệt này sử dụng Jev để phân tích và phân loại các bài báo trực tuyến. Nó minh họa cách tự động xác định khung tin tức, chủ đề nội dung và việc sử dụng ngôn ngữ mang tính định hướng trong truyền thông kỹ thuật số.
x.comvon
von là một mô hình ra quyết định System One mã nguồn mở, được thiết kế như một giải pháp thay thế cục bộ, không tự hồi quy cho TypeSafe Jev. Tác giả tuyên bố mô hình đạt tốc độ suy luận dưới 15ms cho các tác vụ ra quyết định.
github.comtypesafe-client
Thư viện Rust này cung cấp một client bất đồng bộ không chính thức để tương tác với API TypeSafe System One. Nó minh họa cách triển khai các mẫu giao tiếp an toàn về kiểu dữ liệu khi tích hợp với các dịch vụ backend của nền tảng.
github.comjev-mcp
Máy chủ MCP này tích hợp TypeSafe Jev vào Claude Code, cung cấp các công cụ có cấu trúc để phân loại, chấm điểm và xử lý hàng loạt. Dự án minh họa cách hiển thị các khả năng đánh giá đã hiệu chỉnh dưới dạng các hàm tiêu chuẩn cho quy trình làm việc của tác nhân tự động.
github.comjev-t-rex-runner
Dự án này minh họa việc áp dụng mô hình Typesafe AI Jev để tự động hóa trò chơi khủng long trên Chrome. Đây là một thử nghiệm thực tế về việc tích hợp các tác nhân AI vào môi trường trò chơi trên trình duyệt.
github.comĐiều khiển bằng giọng nói cho Fusion 360
Dự án này trình diễn giao diện điều khiển bằng giọng nói cho Fusion 360. Nó sử dụng Jev để phân biệt giữa các lệnh hành động và hội thoại thông thường, nhằm mục đích đơn giản hóa quy trình làm việc CAD thông qua đầu vào ngôn ngữ tự nhiên.
x.comtaste-lint
Công cụ dòng lệnh này sử dụng Jev để phát hiện nội dung chất lượng thấp do AI tạo ra trong giao diện người dùng, văn bản và hướng dẫn của tác nhân. Nó cung cấp các kiểm tra ngữ nghĩa để giúp duy trì chất lượng trước khi triển khai dự án.
github.comrh-guard
rh-guard cung cấp cơ chế phát hiện hành vi hack phần thưởng cho các tác nhân lập trình. Nó sử dụng các từ chối cấu trúc và sidecar TypeSafe Jev System One để giám sát các hook trong Claude Code và Cursor, nhằm xác định các hành vi hack phần thưởng tiềm ẩn trong các tác vụ phát triển tự động.
github.comfast-jev-compaction
Plugin Claude Code này thay thế các tóm tắt nén dữ liệu bằng các quyết định dựa trên Jev. Nó đánh giá các lệnh gọi công cụ và kết quả trong một yêu cầu nhanh, loại bỏ hoặc cắt bớt dữ liệu cũ trong khi vẫn giữ nguyên thông tin quan trọng.
github.comjevscape
jevscape cung cấp một bộ công cụ RuneBench cho Jev, bao gồm danh mục hành động giới hạn và bộ điều khiển chế độ tick. Nó bao gồm một bảng điều khiển trực tiếp được thiết kế để giúp các nhà phát triển giám sát và quản lý quy trình làm việc của tác nhân.
github.comspendbrake
spendbrake cung cấp một cơ chế để quản lý chi phí của các tác nhân AI. Nó minh họa cách triển khai kiểm soát ngân sách bằng cách cho phép người dùng tiếp tục, hạ cấp mô hình hoặc dừng các hoạt động thông qua TypeSafe Jev.
github.comjev-codes
Công cụ này cho phép kiểm tra tự động các git diff dựa trên các tiêu chuẩn mã hóa YAML đã xác định. Nó sử dụng mô hình Jev để thực hiện kiểm tra tính nhất quán thông qua giao diện dòng lệnh hoặc quy trình làm việc của tác nhân AI.
github.comJev Room
Jev Room là một công cụ web giúp chuyển đổi một câu mô tả thành sáu thiết lập phòng khác nhau. Ứng dụng sử dụng Jev để diễn giải đầu vào của người dùng và kết xuất các hình ảnh thiết kế nội thất trực quan.
jev-room.moe136231.chatgpt.sitejev-trader
jev-trader trình diễn một bot giao dịch tự động sử dụng Jev để phân tích nguồn cấp dữ liệu giá tài sản. Dự án cho thấy cách mô hình đưa ra quyết định mua và bán và thực hiện các giao dịch tài chính thực tế dựa trên logic của nó.
x.comjev-mail-classifier
Dự án này trình diễn một hệ thống quản lý email tự động sử dụng Jev. Nó cung cấp phương pháp dựa trên cấu hình để phân loại, gắn thẻ, di chuyển và đánh dấu các tin nhắn đến, cho thấy cách áp dụng các mô hình AI của TypeSafe để tối ưu hóa quy trình tổ chức hộp thư đến cá nhân.
github.comMười bốn kiểm tra cho mỗi pull request
Công cụ này tự động hóa việc kiểm tra chất lượng mã nguồn bằng cách thực hiện mười bốn kiểm tra trên mỗi pull request. Nó nhằm mục đích phát hiện các vấn đề tiềm ẩn như bí mật được mã hóa cứng hoặc các mẫu SQL có vấn đề trong quá trình phát triển.
x.comGiới thiệu về TypeSafe
Tài liệu chính thức này cung cấp cái nhìn tổng quan cơ bản về hệ sinh thái TypeSafe. Nó đóng vai trò là điểm truy cập chính để hiểu các khái niệm cốt lõi và nguyên tắc kiến trúc định hướng cách tiếp cận của nền tảng đối với việc tích hợp AI an toàn.
docs.typesafe.aijev-crawlers
Kho lưu trữ này cung cấp các trình thu thập dữ liệu tự động được xây dựng bằng các nguyên hàm kiểu Unix để phân tích hệ thống. Nó trình bày một cách tiếp cận mô-đun để tìm kiếm lỗi bằng cách sử dụng các công cụ nhẹ và có thể kết hợp để thu thập dữ liệu và phát hiện lỗ hổng.
github.comtypesafe-local
Dự án này trình bày phương pháp truy vấn các LLM cục bộ trên Apple Silicon để nhận xác suất đã hiệu chỉnh thay vì văn bản. Mục tiêu là cung cấp đầu ra có cấu trúc trực tiếp, bỏ qua việc tạo văn bản và các bước phân tích cú pháp.
github.comCheshi
Cheshi là một không gian làm việc trên macOS tích hợp bộ nhớ hội thoại dựa trên Jev với OpenAI Codex. Nó cho phép quản lý các tác nhân AI, khám phá mã nguồn qua CodeGraph và hợp nhất quy trình làm việc với Git, terminal Ghostty và Apple Notes.
github.comgame-coach
Dự án này tích hợp phân tích từ công cụ Stockfish với logic đánh giá dựa trên Jev để cung cấp hướng dẫn chiến lược theo thời gian thực cho người chơi cờ vua. Nó minh họa phương pháp kết hợp các công cụ cờ vua truyền thống với hệ thống AI hiện đại.
github.comSDE cascade
Tài liệu tham khảo chính thức này từ TypeSafe phác thảo phương pháp SDE cascade. Nó minh họa cách cấu trúc các quy trình làm việc AI đa giai đoạn để cải thiện độ tin cậy của đầu ra và tính nhất quán logic trong các tác vụ phát triển phần mềm phức tạp.
docs.typesafe.aiDGP (Decision Graph Protocol)
Giao thức thử nghiệm này sử dụng bộ điều hợp Jev để đánh giá bằng chứng thông qua các lựa chọn được định kiểu. Nó minh họa cách mã ứng dụng có thể xác thực quyền và thực hiện các hành động demo mô phỏng trong khung ra quyết định có cấu trúc.
github.comkyotsu-ai-bench
Kho lưu trữ này cung cấp một bảng điều khiển tĩnh so sánh các mô hình Jev, luna-none và luna-low dựa trên kỳ thi chung năm 2026 của Nhật Bản. Dự án đóng vai trò là một điểm chuẩn thử nghiệm để đánh giá hiệu suất của các kiến trúc AI này trên các câu hỏi thi học thuật tiêu chuẩn.
github.com
