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。
Start with the Launch Post. Explore four official signals.
1,262 项资源
AI-assisted summaries and translations. Check original sources for context and performance claims.
该工具通过结合确定性检查与 TypeSafe JEV System One 语义分析,识别 API 的破坏性变更。它旨在检测 OpenAPI 文档中隐藏的不一致之处,从而提高 API 的可靠性。
A developer project using Jev for plain-language MCP tool calls without an LLM.
JEVLAB ART该项目展示了一个利用 TypeSafe Jev 进行决策的代理浏览器运行时。它演示了 Jev 模型如何与 Aside 运行时集成,以在 Web 环境中管理选择、评分和 noul 操作。
Hemant Kumar on his 151M ModernBERT reproduction: 0.83% adaptive calibration error, 3.0% of predictions flip when the option list is reversed, 35.6ms on CPU, with the failed use cases reported alongside the wins.
pi-heed 为 pi 编码代理提供运行时约束。它利用 TypeSafe Jev 展示了一种安全机制,在执行任何具有副作用的工具调用之前,将其与用户意图进行核对,从而增强自动化编码任务的安全性。
JEVLAB ARTOn-device iPhone visual decision tool using MLX and Qwen3-VL direct option logits.
A tool developed using Jev to create a voice builder for Youform, noted for its speed.
此演示展示了 Jev 在 OmarchyLinux 环境中进行 Connect Four 游戏的过程。它重点展示了实时决策循环与结构化状态管理在游戏逻辑执行中的集成应用。
该存储库提供了一个旨在将 Claude Code 功能集成到 jev 生态系统中的插件。它为希望在 jev 环境中使用特定的 Claude 代码自动化工具来扩展其代理工作流程的开发人员提供实用支持。
该项目展示了一个虚拟城镇模拟,其中 Jev 自主管理 120 名居民和当地基础设施。创作者演示了自动化决策系统如何在数字环境中管理复杂的社区互动。
Latent Space's launch-day roundup: over 100x faster and 200x cheaper than small frontier LLMs.
该项目展示了一个利用 Jev 评估研究分支的离线决策系统。它旨在通过提供一个结构化框架来选择研究工作流程中最可行的路径,从而简化复杂的决策过程。
ACP and MCP adapter that bridges TypeSafe Jev with any LLM — computer use and typed decisions alongside Codex, Claude, Grok, and OpenCode.
A developer tool for decision runtime with zero-token caching and a calibrator, collected for the tools shelf.
该工具利用类型化的 Jev 和零同步架构来提取并同步大型存储库。它旨在通过自动化数据处理,帮助开发人员简化问题分类流程。
该项目展示了一个由十二名成员组成的趣味 TypeSafe AI 委员会。它演示了一个交互式的决策过程,用户可以查看动画投票序列并检查每个裁决背后的决策依据。
Three composable judgment pipelines on TypeSafe's Jev: support-ticket triage, observability alert triage, and a deploy-risk gate.
A calibrated context sieve for Claude Code: every tool result is judged by a System One model before it enters context.
JEVLAB ARTNushell module for the TypeSafe System One API: typed decisions with calibrated probabilities.
Arbiter 是一款开发工具,旨在通过兼容 Jev 的 API 提供自定义决策模型。它允许开发人员利用标准化接口,在应用程序中实现结构化且量身定制的决策逻辑。
A game integrating Jev to display real-time decision probabilities during gameplay.
AskJev 是一个实现免提网页浏览的社区项目。它展示了一种工作流程:由 Jev 处理浏览器操作,同时由 Claude 管理对话,使用户能够通过语音或文本指令来控制网页浏览过程。
此实验性 Chrome 扩展程序利用 TypeSafe Jev 模型识别并移除被判定为广告的 DOM 元素。该项目仅作为本地演示,并非旨在作为实际的广告拦截工具使用。
该社区工具利用 Jev 自动识别并过滤社交平台上的垃圾评论(Reply-guy)。它展示了自动化内容审核技术的实际应用,通过过滤特定类型的非请求回复,旨在提升用户互动的质量。
本报告详细记录了 Jev 发布首周的所有公开构建情况。通过汇总存储库元数据、构建时间和成本指标,为研究人员分析早期平台活动和构建模式提供了参考数据。
Vercel's open agent framework, which ships Jev as the default evaluation model in its experimental evaluate path.
JEVLAB ARTTool for systematic reviewers to extract information from research articles efficiently.
这份官方文档定义了 TypeSafe AI 框架内的状态概念。它解释了状态管理如何作为核心组件,在复杂的 AI 交互和系统工作流中维持一致性和上下文。
Code quality and test coverage for coding agents: Jev scores each source file so the agent knows what to fix first.
该资源详细介绍了在十二个真实场景中对 Jev 进行的测试。创作者分享了关于运行速度、成本效益和实际应用方面的观察,提供了对系统在不同环境下表现的主观评估。

本资源探讨了 Jev,这是一个利用结构化输出和置信度评分进行自然语言处理的系统。它阐明了 Jev 与传统大语言模型的工作方式不同,并强调了其对开发者的特定操作权衡。

该项目展示了 Hono Web 框架的一种语义路由机制。它利用 Jev 来解析并根据 HTTP 请求的内在含义进行路由,而非依赖传统的路径匹配模式。
该项目展示了一个旨在用户滚动浏览信息流时实时检测并过滤低质量内容的代理。它通过对信息流进行实时分类,旨在优化数字内容的消费体验。
该项目使用 900 个规则生成的支持工单和公共基准测试来评估 Jev 的校准情况。它通过 ECE 指标和温度重拟合对模型校准偏差进行了独立分析,提供了一个可复现的框架来测试模型的可靠性。
Async LangGraph workflow that gets a typed Jev Choice (invoice or general) and routes each inbound email to the matching handler.
这份TypeSafe官方指南解释了意图路由的架构模式。它演示了如何对用户输入进行分类,以便将请求引导至特定的处理逻辑,从而确保更准确、可靠地处理复杂的对话任务。
SIEGE 是一个用于防御多个代理的类型化动作门系统。该项目展示了一种从入侵尝试中学习的防御循环架构,并使用 W&B Weave 进行评估。
该项目通过标记 1,000 条应用评论来对比 Jev 与 Gemini 3.8 Flash。创建者声称,在执行此特定任务时,Jev 的处理速度比 Gemini 模型更快,且成本更低。
Diffusion-style pixel art out of a classifier: 256 parallel per-pixel Jev questions plus refinement passes.
该插件与 Claude Code 等工具集成,利用 Jev 决策模型和 OpenRouter 定价来选择 AI 模型。它旨在为各项任务平衡智能水平、响应速度和运行成本。
Jev 是一款终端工具,通过分析历史命令数据来预测即将输入的 Shell 命令。该项目旨在简化命令行中的重复性工作流程。
PulseLane 展示了如何利用 TypeSafe Jev 来支持临床分诊决策。该项目提供了一个结构化框架,通过自动化逻辑来管理患者优先级排序的工作流程。
该项目展示了一款利用 Jev 来解读用户意图的预测性应用启动器。它旨在通过基于意图的处理来预测用户需求,从而优化应用发现过程。
Jevinik 是一款利用 Jev 进行快速市场分析的股票评估工具。该项目展示了如何将自动化处理应用于金融数据,以协助用户评估市场趋势并进行相关研究。
The maze as JSON; Jev picks the turn at each junction in real time.
该项目展示了将 JEV 模型应用于经典游戏《俄罗斯方块》的实现。它作为一个实验性演示,旨在观察模型如何在结构化的游戏环境中处理实时决策和空间逻辑。
A community post explaining Jev's role in improving agent efficiency and cost-effectiveness.
该浏览器工具允许用户通过组合 Noul、Choice 和 Score 输入来构建 System One API 请求。它支持本地模拟模式和实时 API 调用,并能生成 Python SDK 代码。
该扩展将 TypeSafe Jev 判断公开为五个 pi 工具。它允许 AI 模型进行精确的语义判断,同时确保开发人员能够完全控制阈值、权重和系统操作。
A tool that finds local makers using Jev, claiming high accuracy.
该项目展示了 Jev 尝试在《宝可梦 金》中挑战宝可梦联盟的过程。它演示了如何通过基础控制输入来导航游戏环境并完成对战任务。
该项目展示了将 Jev 集成到桌面游戏 Codenames 中的过程。创作者声称,这种实现方式在游戏过程中实现了快速且具有成本效益的性能表现。
A tool that improves end-to-end testing efficiency, completing tasks faster and cheaper than other models.
The first general-purpose System One agent for Jev.
该工具通过使用基于 Jev 的排名取代前缀匹配,增强了 zsh 的自动建议功能。它展示了一种将智能建议逻辑直接集成到命令行工作流中的方法,从而实现更相关的终端补全。
JEVLAB ARTA guide for installing Jev skills, highlighting its potential to replace traditional LLM usage.
A Mac voice diary tool that uses Jev for sorting and integrates with Notion.
JEVLAB ARTA dynamic form tool using Jev for conditional logic, built with Vercel JSON-render.
TypeSafe AI 发布了一款专为自主游戏设计的机器学习模型。该演示展示了智能体在经典游戏 Doom 中的导航与操作,旨在说明其在复杂环境下的决策能力。
该项目展示了一个基于 ModernBERT 的非自回归决策引擎。它演示了通过 RLCD 集成校准不确定性的方法,并提供了一个用于审计 TypeSafe AI Jev 基准测试的 WebGPU 游乐场。
JEVLAB ART该精选仓库收录了达到十星标准的工具。项目提供了实践性评估,并记录了每个工具的数据传输路径,帮助用户了解这些工具如何与外部系统进行交互。
本 TypeSafe AI 参考文档介绍了层次化分类系统的实现方法。它演示了如何构建数据分类体系,以提高模型在将复杂信息归类为嵌套的多级标签时的准确性。
这份官方参考文档提供了 TypeSafe AI 可用客户端 SDK 的全面概述。它为开发人员提供了一个基础资源,帮助他们使用支持的编程语言将 TypeSafe AI 功能集成到自己的应用程序中。
⚡ Sub-100ms cognitive reflexes for autonomous coding agents. Powered by TypeSafe AI's Jev & get-fable.
Async Python client for TypeSafe Jev. Typed questions in, probabilities and choices out, no prose to parse.
该工具使用 Jev 为 Codex 实现了基于回合的模型和推理路由。它展示了一个能够为每次交互回合动态选择合适模型、思考深度和速度模式的系统。
otto 是一个适用于 macOS 和 Windows 的开源计算机操作代理。它利用 TypeSafe Jev、本地 OCR 和选择性规划功能,直接在桌面环境中执行任务。
本 TypeSafe 参考指南探讨了 AI 模型中 nouls 的自洽性。它提供了关于在自动化工作流中处理这些特定数据类型时,如何保持逻辑连贯性和结构完整性的技术文档。
A Codex plugin that uses Jev to streamline and reduce excessive tool outputs.
JEVLAB ART该项目为 Raspberry Pi 硬件实现了一个帕累托最优的 OpenRouter 路由器。它展示了如何利用基于 Jev 的逻辑来自动化决策过程,从而在资源受限的环境中选择最佳路由路径。
foreman 是一个用于管理编码代理的代理监督工具。它利用基于 Jev 的决策流程,帮助代理在开发工作流中保持专注,并确保它们能够持续完成分配的任务。
Leonardo Bissoli 展示了如何使用 Jev 实现结构化的 AI 决策。该演示涵盖了置信度评分、操作边界设定以及在应用程序中实施这些决策框架的实际案例。
