Jev发布帖
Diogo Almeida介绍了TypeSafe的结构化决策模型Jev。该资源概述了模型的核心方法、实际应用示例以及作者所报告的性能指标。
Diogo Almeida介绍了TypeSafe的结构化决策模型Jev。该资源概述了模型的核心方法、实际应用示例以及作者所报告的性能指标。
TypeSafe正式启动其研究实验室,并向开发者社区介绍了Jev。此公告包含由Diogo Almeida制作的发布影片,并为该项目的使命和未来方向提供了基础背景。
TypeSafe 现已取消 Jev 的候补名单,向公众开放平台访问权限。开发者可以使用官方控制台,将类型化决策功能集成到自己的软件应用程序中并进行测试。
TypeSafe强调Jev的类型化输出方法:应用程序提供状态和问题,然后根据概率、选择或评分进行操作。相关公告还介绍了Venice API集成。
认识 Wallpets,我们的另一位桌面伙伴。在 MacBook 屏幕上移动鼠标,看看 Natchan 如何追随你的目光。
探索 Wallpets 270 Clicks
在屏幕上移动鼠标
AI-assisted summaries and translations. Check original sources for context and performance claims.
该存储库是一个关于 Jev 基础、可信度及网络安全应用的综合研究论文、项目和文档库。它为探索 System One 决策模型及其在各种技术工作流中的集成提供了精选资源。
JevOut 提供了一套工具,用于研究自然语言上下文的添加如何影响决策模型。该项目展示了在不改变原始任务或指令的情况下,微妙的背景细节如何将正确的决策引导至特定的错误结果。
JEV-MLX 是一个用于在 Apple Silicon 上通过 MLX 进行本地 LLM 动作选择的 Python 库。它将应用程序状态和用户请求映射到特定动作,无需额外的模型训练或微调。
CARVE 是一个基于 Qwen3.8-27B 的开源 Jev 类模型系列。它展示了一种兼容 TypeSafe 的 API,无需自由文本生成即可通过单 token 进行决策,并提供多种配置以平衡决策任务中的准确性和吞吐量。
ex-regex 是一个利用 Jev 模型进行语义模式匹配的 Python 库。它允许开发者根据文本含义而非语法来提取和分类信息,在不生成新文本的情况下提供基于概率的匹配结果。

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.
探索支持者jevotron 是一款基于 Jev 的命令行工具,用于结构化文件和数据库的字段级异常检测。它支持数据预览、异常扫描,并可通过本地缓存和 SQL 过滤功能管理审核队列。
JevTown 是一个 AI 代理在像素艺术环境中进行导航的模拟引擎。它展示了一种结合 Jev 结构化决策与 LLM 语言处理的混合架构,使代理能够在基于浏览器的游戏世界中实现自主交互。
该工具包为审核 Roblox Studio 实例提供了一个结构化的类型化框架。它允许开发者通过根据定义的标准验证场景属性并生成带有引用的详细报告,从而确保团队项目在开发过程中的一致性。
HelpMe Jev 是一个自托管的决策工作台,结合了 Jev 的结构化分析能力与 LLM 的语言处理能力。它通过提供基于概率的见解和草拟建议,帮助用户评估复杂的社交或职场情境,同时确保最终决策权始终掌握在用户手中。
该 Jupyter Notebook 合集提供了一套使用 Jev 构建类型化 AI 决策的课程。它教导开发者如何为分类和评分等任务构建输入与输出,强调在模型判断的同时结合确定性的 Python 逻辑。

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.
探索支持者ClinicalJev 是一个用于通用临床文本分类的开源模型系列。它允许用户在推理时定义任务和标签,无需针对特定任务进行微调,从而支持在本地处理敏感的医疗数据。
reflex-cu 是一个用于 AI 代理的 MCP 服务器,支持在 macOS 和 Windows 上执行计算机操作。它通过读取 UI 可访问性树而非仅依赖截图来提高效率,并利用 Jev 进行快速判断。
jev-mail 是一款利用 Jev AI 模型对 Gmail 收件箱进行分类、标记和清理的浏览器扩展。它使用您自己的 API 密钥在浏览器本地运行,提供注重隐私的邮件分类和批量管理工具。
jev-max 是一个浏览器代理库,通过穿透 Shadow DOM 和 iframe 来增强基于 Jev 的自动化能力。它提供了画布回退、点击遮挡检查和多标签页支持等功能,使代理能够通过统一的 MCP 接口与复杂的网页进行交互。
CloakBrowser-Agent 是一款集成了 TypeSafe Jev 决策功能的隐身浏览器自动化工具。它作为 MCP 服务器、CLI 或 Python 库运行,通过基于校准概率选择操作而非生成自由格式代码,实现类似人类的浏览器导航。
chowder is a unified API layer that aggregates, normalizes, and serves your data from any source. One endpoint. Every ingredient.
探索支持者Laser 是一款适用于 Omarchy 和 Hyprland 的 AI 专注力辅助工具。它利用 TypeSafe Jev 根据您的当前任务评估活动窗口,通过渐进式提醒帮助您保持专注,并优先考虑本地隐私保护。
该 MCP 服务器将 TypeSafe AI 的 Jev 决策模型集成到 AI 代理中。它提供包含确定性评分和 act/review/abstain 判定的结构化确定性答案,使代理能够在不生成文本的情况下对状态或文件进行类型化评估。
这是一个用于 System One 决策模型的 Elixir 客户端,支持 TypeSafe Jev、Cloudflare Clef 和 OpenRouter。它允许开发者获取带有完整概率分布的类型化答案,用于状态决策路由,并内置了遥测和测试存根功能。
该软件包将 JEV System One 决策模型集成到 pi 编码代理中,以控制子代理的调度。它提供合规性规则、直接模型查询以及可选的运行时监控功能,帮助用户管理代理行为和任务执行。
此本地 MCP 网桥允许 Codex 将草拟任务委托给 Gemini,并使用 TypeSafe Jev 进行自动质量检查。它通过 Antigravity CLI 利用 Google AI Pro 配额来管理代码提案和分析工作。

Wallpets brings cinematic animal companions to your desktop with lightweight mouse-following behavior, idle play, and a growing pet catalog.
探索支持者optim-jev 是一个 Claude Code 插件,通过上下文压缩、模型路由和选择性技能加载来优化令牌使用。它旨在通过管理工具输出和模型选择来减少会话开销,同时保持现有的开发工作流程不变。
此 WordPress 插件利用 Jev 模型异步审核评论的垃圾信息、滥用行为和相关性。它在后台处理评论以保持提交速度,并使用可配置的阈值来决定是否批准、保留或将评论标记为垃圾信息。
Jevvy 是一套用于编码代理的插件集合,利用 TypeSafe System One 模型自动处理 Shell 权限审批。它根据风险阈值评估命令,并在存在不确定性时保持决策中立,以维护代理的安全性。
nocap 是一个用于 RAG 流水线的 System One 证据网关,可在生成前评估检索到的上下文。它将查询路由至回答、重新检索、弃权或冲突审查,通过确保 LLM 仅基于提供的证据生成响应来防止幻觉。
jevr 是一个用于 JEV 和 TypeSafe System One 模型的 R 语言客户端。它允许用户向模型发送结构化的状态和问题,并返回可直接用于决策任务的程序化答案,而非传统的对话式聊天。

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
探索支持者该存储库汇集了关于 Jev(一种用于类型化概率决策的 System One 模型)的学术预印本和技术报告。它将研究分为核心来源、基准测试和应用,旨在帮助跟踪快速发展的决策导向型人工智能文献。
Jevector 展示了一个使用 Clef 或 Jev 将标准编码为数值向量的个人资料匹配系统。它利用 HNSW 进行检索并根据偏好覆盖率对候选人进行排名,在合成基准测试中表现优于 BM25 和 BGE-small。
该项目展示了一个利用 Qwen3-VL 和 LoRA 生成结构化证据,并结合 TypeSafe Jev 进行策略决策的多模态内容审核流水线。它提供了识别厌女内容的基准测试与评估协议,重点探讨了召回率与人工复核成本之间的业务权衡。
该存储库提供了使用 Jev 进行 GTM 工作流的实用示例,包括潜在客户分类、交易风险评估和账户管理。它演示了如何将 TypeSafe AI 流程与 Claude 集成,以实现自动化业务运营。
这个实验性平台利用 Jev 模型逐步执行算术、聊天和绘图任务。用户可以检查每一步的概率输出和事故报告,重点在于观察模型行为,而非任务的最终完成情况。
NucleiSniper 是一个利用 TypeSafe Jev AI 对目标进行指纹识别并按相关性对 Nuclei 模板进行排序的工具。它通过优先执行高价值检查,帮助用户更快地发现关键安全问题。
ComfyUI-Jev 提供自定义节点,将 Jev 的文本解释和判断功能直接集成到 ComfyUI 工作流中。用户可以通过自然语言指令执行文本评分、候选选择和条件逻辑等任务。
JEV Safety Gateway 是位于 Nginx 与大模型后端之间的前置过滤反向代理。它逐请求提取用户输入并交给 JEV 模型进行安全判定,实现对有害请求的拦截与对正常请求的透明放行。
Jevspresso 展示了如何将 Jev 与 XState 集成以管理浓缩咖啡吧模拟。通过限制模型仅选择有效的状态机转换,它确保了 AI 代理在定义的物理约束内运行,而不是生成任意的工具调用。
ComfyUI-SystemOne 提供了一组自定义节点,可根据自然语言判断来分支工作流。它支持本地 Laya 模型或托管的 Jev 和 Clef API,从而实现图像生成任务的自动路由、评分或过滤。
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.
探索支持者此 Nextflow 插件将 TypeSafe System One 判断集成到生物信息学流水线中。它允许开发者将类型化问题定义为流水线值,从而实现基于概率分布而非生成文本的分支逻辑。
JevSceneMiner 是一款利用 Jev 从车辆日志中提取驾驶场景的工具。它将运动和传感器数据转换为结构化的时间戳场景,使用户能够通过同步审查界面进行数据集管理、驾驶性能验证以及机动模式分析。
JevLight 是一个在 SUMO 仿真中使用 Jev 决策模型的交通信号控制框架。它演示了如何将交叉口状态和相位决策映射到结构化的 API 请求中,并支持交叉口级和网络级的协调控制策略。
Hunch 是一个用于 Jev 决策模型的浏览器端实验平台。它允许用户可视化构建类型化查询,通过 OpenRouter API 执行,并直接查看概率结果、延迟和成本指标,无需任何后端服务器支持。
该工具将 TypeSafe 的 Jev 模型集成到浏览器自动化工作流中,以处理元素选择。它作为现有 MCP 浏览器服务器的包装器,旨在提高自动化网页交互过程中的任务完成率和成本效率。

The AI-augmented control plane for cybersecurity — unify your security stack, quantify cyber risk in dollars, and run governed AI agents.
探索支持者jevify 通过审计代码中的结构化决策模式,识别适合迁移至 JEV 的 AI 调用点。它提供了一种影子模式迁移工作流,用于在生产环境变更前验证其与现有 LLM 实现相比的性能和准确性。
jev-lint 是一款用于扫描 Markdown 知识库的命令行工具,可检测其中的矛盾、陈旧声明和断链。它利用 TypeSafe Jev 进行语义分析,并生成独立的 HTML 报告,帮助用户识别并解决文档中的问题。
此 Claude 技能提供了一种设计检查,用于确定 TypeSafe 的 Jev 模型是否适用于特定的开发任务。它提供架构模式和可行性评估,帮助开发者识别 Jev 类型化判断能力的潜在应用场景。
此 OpenCode 插件利用 Jev 动态调整 AI 模型的推理力度。它旨在通过为每个请求选择合适的力度级别,而非对所有任务使用固定设置,从而优化令牌使用量和延迟。
Vibefilter 是一款 Filament 插件,支持使用自然语言对表格数据进行语义过滤。它利用 TypeSafe Jev 模型根据用户输入的陈述对行进行评分,无需训练数据或关键词列表即可实现零样本分类。

Friend recommendations, not stranger reviews. Save spots, build your food passport, and search friends food maps when you travel. Free on iOS.
探索支持者该存储库提供了一个经过整理且自动更新的 System One 决策模型列表。它记录了各种替代专有 Jev 接口的开源方案,详细介绍了它们的架构、许可协议以及与标准决策 API 模式的兼容性。
该存储库提供了关于 Jev 及类似类型决策模型的证据调查。它综合了关于校准、故障模式和系统集成的研究,并将报告的性能指标追溯至原始学术来源。
该工具提供了一个独立适配器,用于将 TypeSafe AI 语义证据集成到 Agent-Workflow 中。它支持受限决策和技能评估,同时确保宿主系统保持对策略、执行和生命周期管理的完全控制。
typesafe-eval 是一个利用 TypeSafe System One API 进行自动化文档评估的 CLI 工具和 CI 网关。它提供回归检测、清单验证和凭据屏蔽功能,旨在帮助维护开发工作流程中的文档质量与安全性。
Codex-Jev 是一款 VS Code 插件,用于在 Codex 处理前过滤工具输出中的重复行。它旨在通过突出显示相关证据并提供原始日志链接,从而提高开发过程中的信息可读性。

Whale sharks drifting past. A quiet café after hours. Sixteen living worlds, just beyond your screen.
探索支持者Vellum 是一个实验性工具,它使用分类器而非大语言模型将 Markdown 内容映射为 Sanity 文档。它演示了如何通过要求分类器根据提供的模式描述符将文本块分配给特定字段来构建数据。
Decidealot 提供了一个统一的 HTTP 和 MCP 接口,用于运行 Laya、Von、CLM 等本地模型或托管的 Jev 服务。它支持类型化的分类和评分,使应用程序能够根据模型提供的概率和置信度指标进行程序化决策。
TypeWright 是一个用于 Jev 决策的声明式编译器和运行时。它允许用户定义状态和决策契约,利用标注数据将其编译为带有校验和的 JSON 程序,并在运行时无需 DSPy 等外部依赖即可执行这些程序。
mappity 是一个利用 TypeSafe Jev 和 Cactus Needle 回答有关地理位置自然语言查询的工具。它通过处理 OpenStreetMap 和 Mapillary 数据,根据用户请求为地点分配概率分数。
该资源提供了适用于 Windows 的 JEV-27B 模型本地 GGUF 实现。它演示了与 Ollama 的集成,采用 Qwen3.8 主干架构,并包含用于本地 AI 处理任务的可选视觉语言功能。

Dotient is a local-first semantic file search tool that indexes your personal archive. No cloud, no uploads. Starts at $10 one-time.
探索支持者该工具演示了如何使用 TypeSafe System One 对 GitHub 拉取请求进行类型化的并行判定。它利用基于代码的策略和模型驱动的判断取代了缓慢的 LLM 链,从而高效地自动化代码审查信号。
该资源提供了交互式模拟,展示了专为快速、类型安全决策而设计的 System One 模型 Jev。它演示了并行采样和校准置信度如何改进现有 AI 系统中路由、分类和验证任务的架构。
该存储库为 TypeSafe 的 Jev 模型提供了一套测试工具,用于评估置信度校准、幻觉检测以及检索增强生成(RAG)的性能。它包含用于对比准确性、成本和延迟的基准测试脚本。
Jevline 通过单个已确认的恶意进程来重构安全事件。它利用 Jev 模型自动关联各种日志格式中的相关活动,从而生成详细的时间线、执行链和证据表,协助分析人员进行调查。
该工具为钱包和代理提供签名后的预支付风险评估。它通过 OFAC 列表、钓鱼网站源、交易模拟以及专有的监控功能来评估交易对手,旨在检测恶意合约模式和地址投毒行为。
Vision-Jev 是一个开源项目,提供具备视觉能力的模型,用于对动态候选集进行判断和操作。它利用结构化输出头进行选择、证据充分性判断和质量评分,侧重于可审计和可校准的决策,而非无约束的文本生成。
此 Nushell 插件将 TypeSafe Jev 的结构化决策功能直接集成到 shell 环境中。用户可以使用原生的 Nushell 管道和命令来定义问题、对数据流进行标注并获取基于模型的见解。
SOLO Decision 通过优化关系数据布局,最大化 LLM 决策模型的前缀缓存效率。该工具通过重排行和字段以暴露共享输入前缀,在基于 JEV-9B 模型的合成工作负载中展示了吞吐量的提升。
该项目支持通过 WebGPU 或 WebAssembly 在浏览器中直接运行 Laya 非自回归决策模型。它展示了如何利用 ONNX Runtime Web 在本地执行基于状态的决策任务,无需服务器或 API 密钥。
该 MCP 服务器允许 AI 代理与 Jev API 集成以进行结构化决策。它通过返回带有置信度分数的类型化值而非文本,从而简化了分类、路由和验证任务。

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.
探索支持者jeffort 是一个 Claude Code 插件,利用 TypeSafe 的 Jev 动态路由提示词的努力程度。它通过调整每轮的努力级别,并包含数据脱敏功能,以在 API 请求过程中保护敏感信息。
该工具提供了一个通过 OpenRouter 使用 Jev 的 Claude Code 插件和库。它在保留原始文本的同时清理不必要的工具调用和结果,并通过强制性的提供商路由配置确保零数据保留。
jev-lint 是一款面向编码代理的模糊代码检查工具,可提供实时反馈。它帮助代理在编辑代码后立即识别并修复规则违规,从而减少了代码审查后的修复成本。
该项目提供了将 TypeSafe 的 Jev 模型用作 Claude Code 技能路由器的参考实现。它演示了如何记录和评估技能建议,但作者发现这种特定集成在实际应用中的效果有限。
jev-blindspot 是一款适用于 Claude Code 和 Codex CLI 的提示词审查工具,旨在识别请求中潜在的知识盲点。它通过分类器判断是否需要分析,并在不中断会话的情况下,通过本地 Web UI 提供反馈。

Für Ideen, Gespräche, Meetings und alles dazwischen.
探索支持者jev-gateway 是一个本地代理,可将 Jev 决策模型集成到 Codex 和 Claude Code 等编码代理中。它优化了工具调用决策,同时将其他请求原样转发给原始 LLM 提供商,从而保持现有工作流程不变。
jev4pg 将 JEV 语义智能集成到 PostgreSQL 中,提供自然语言查询和语义过滤工具。它具有可解释的嵌入和并行执行功能,帮助用户通过统一的工作区或原生 SQL 扩展来分析现有的数据库记录。