提交资源
English
한국어
日本語
Español
Français
Deutsch
繁體中文
Português
Bahasa Indonesia
ไทย
Italiano
Tiếng Việt
Türkçe
Polski
Русский
回到实验室JEVLAB / FIELD NOTES
实验室最新动态
一份按日期排列的新增资源和 JEVLAB 新闻阅读列表。回来查看更新，或在你的阅读器中关注 RSS 源。
在此浏览器上记住此访问，以便下次突出显示新增内容。无需登录或跨设备跟踪。
日期显示的是项目在 JEVLAB 中可用的时间（UTC），而非其原始来源发布的时间。仅翻译编辑不计为新资源。
36
19个开源Jev项目
该合集展示了19个使用Jev技术的开源项目。它演示了从自主AI代理到游戏交互等多种实际应用，为开发者提供了关于如何将Jev集成到软件生态系统中的广泛参考。
x.com自动还原的魔方
该项目展示了一个利用 Jev AI 实现自动还原的魔方原型。创作者演示了一种模仿人类解题思路的方法，而非单纯依赖传统的数学最优算法来完成还原过程。
x.comJev AI 动作标签验证
这项研究展示了 Jev AI 如何为物理 AI 训练数据集实现动作标签的自动化质量保证。它演示了一种在大规模环境下验证标签的方法，旨在提高机器人学习模型的可靠性。
x.comjev.nu
该 Nushell 模块为 TypeSafe System One API 提供了接口。它支持用户在 shell 环境中执行基于校准概率的类型化决策。
github.comjev-column-race
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。
github.comjev-phishing-bench
该存储库提供了一个可复现的基准测试，对比了 Jev 和 Claude Haiku 4.5 在 2,000 封钓鱼邮件上的表现。它通过评估准确性、校准、延迟和成本等指标，来衡量模型在检测恶意通信方面的效能。
github.comtenbin
tenbin 为 TypeSafe AI System One API 提供 MCP 服务器和代理技能。它演示了如何将判断分解为选择、评分和 Noul 问题，执行代码检查，并使用标记数据校准阈值。
github.commastra-jev-moderation
该项目为 Mastra 代理提供了一个简化的审核系统。它演示了如何在单个文件中处理输入，以在自动化交互过程中维护代理的安全性和内容标准。
github.comtypesafe_ai Elixir SDK
该资源提供了用于 TypeSafe AI API 的非官方 Elixir SDK。它演示了开发人员如何通过专用的客户端库将 TypeSafe AI 服务集成到 Elixir 应用程序中，从而实现结构化的通信。
github.comtsai-civ2
该实验性项目展示了一个在浏览器中运行的 TypeSafe Jev 智能体，用于游玩原始版本的 Civilization II。它包含一个完整的游戏测试框架，可为智能体的决策过程提供实时行动概率。
github.comalmond-fastloop
该项目提供了一个集成 Chrome DevTools 和 TypeSafe Jev 的浏览器计算机使用环境。它作为 Browser Use Olympics 基准测试的测试平台，用于评估智能体在自动化网页导航任务中的表现。
github.comhono-jev-router
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。
github.com什么是 Jev Engineering？
本资源介绍了用于 AI 代理开发的 Jev Engineering 方法论。它阐述了旨在提高自主系统可靠性和功能设计的核心原则与系统化实践方法。
madewithjev.comjev-should-i-apply
该存储库提供了 Jev 和 TypeSafe AI 集成的公开演示。项目展示了如何使用这些框架实现申请流程的决策逻辑，为探索自动化评估工作流的开发人员提供了实用的参考资料。
github.combeatjev
这款浏览器游戏挑战用户与 Jev 竞争，看谁能更准确地识别垃圾邮件。它通过模拟真实过滤场景，展示了 Jev 在消息分类方面的交互式功能。
github.compydantic-jev-examples
该存储库提供了一系列简洁的单文件演示，展示了如何将 Pydantic AI 与 Jev 集成。这些示例为希望使用这些特定工具实现类型安全 AI 工作流的开发人员提供了实用的参考。
github.comtypesafe-sdk-java
此社区开发的 Java 客户端为 TypeSafe System One API 提供了非官方接口。该资源演示了开发人员如何通过结构化的客户端库将 TypeSafe 服务集成到 Java 应用程序中。
github.comMuJoCo 机械臂控制
该项目展示了在 MuJoCo 仿真环境中对机械臂进行实时控制的方法。它利用两步决策过程来管理机械臂的动作和移动轨迹，旨在实现更精确的操控。
x.comguard-jev
该项目是一个评论审核实验场，用户可以通过输入文本来观察 Jev 如何评估和分类内容。它展示了在社区管理工作流程中实现自动化决策的实用方法。
github.compi-jev
pi-jev 是一套利用 Jev 增强 Pi 交互的扩展工具。它演示了选择性上下文压缩和模型路由技术，旨在帮助管理信息流并优化代理环境中的处理效率。
github.comtypesafe-demo-mcp
该存储库提供了一个 MCP 服务器实现，将 TypeSafe System One 的判断（包括 noul、choice 和 score）作为代理工具公开。它演示了如何将结构化的判断数据集成到代理工作流程中。
github.comjev-trace-classifier
该项目展示了如何将 TypeSafe Jev 的 noul 判断原语应用于 collusion.wiki 语料库。它通过对比 Qwen3.8-Flash-Next 模型在本地和直接对决配置下的表现，探索了人类与代理生成的页面作者身份分类。
github.comJevals
Jevals 提供了一个用于评估 Jev 请求的本地测试环境。该项目展示了用户如何通过在受控的开发工作流程中应用原始操作来优化输出质量并改进结果。
x.comAI 写作垃圾内容检测器
该工具利用 Jev 来识别并标记由 Opus 生成的低质量文本。它作为一种自动化编辑助手，旨在帮助用户从工作流程中过滤掉重复或缺乏原创性的 AI 生成内容。
x.comopenpoke-meets-jev
该项目将 OpenPoke 的决策模型从 Claude Sonnet 替换为 Jev。它提供了一个 A/B 测试框架，并包含了针对注入门进行超过 43,000 次请求的对抗性测试结果，以评估其性能。
github.comtranscript-scorecard
该项目演示了一个使用 TypeSafe AI 和 Effect 的实时支持通话评分系统。它展示了结合 SQLite、React、Vite 和 Turborepo 的全栈实现，用于管理自动化的转录评估工作流程。
github.com基于 Qwen 4B 的 openjev
该项目展示了一个在 Qwen 4B 模型上训练的 MLP，旨在提供 Jev 的类型安全替代方案。它演示了如何将专门的架构训练应用于现有语言模型，以实现特定的功能对等。
x.com语义化电子表格格式
该工具展示了 Jev 如何对电子表格数据应用语义化格式。它提供了自动化的结构建议，并概述了与外部平台集成的潜在路径，以优化数据组织工作流程。
x.comCyber-Breach: The Jev Protocol
该项目展示了一款战术赛博朋克竞技场战斗游戏。它演示了如何集成 TypeSafe AI Jev System One 决策模型来管理游戏机制和策略性 AI 行为。
github.com基于 Jev 的 OpenCode 浏览器集成
此演示展示了 Jev 与 OpenCode 浏览器 CLI 的集成。它说明了自动化代理如何执行网页导航任务，并突显了通过这种技术实现来简化基于浏览器的工作流程的潜力。
x.comjev-playground
该项目探讨了 System One 模型是否能有效引导音乐生成。它展示了一个工作流程，其中 Jev 通过枚举选择计划，并渲染乐谱、音频和 MIDI 文件。
github.com鲸鱼上的城市
这款模拟游戏要求玩家管理一座建立在鲸鱼背上的城市。它展示了一个与 GPT-6 Astra 和 H3 Max 集成的决策框架，旨在维持定居点的生存。
x.comtypesafe-go
此非官方 Go SDK 为与 TypeSafe AI 交互提供了结构化接口。它演示了在 Go 应用程序中处理类型化响应、管理请求重试以及维护上下文的实现模式。
github.comOpenJev
OpenJev 提供了一个基于 TypeSafe.ai 概念的 Jev 风格决策 API。该项目包含选择、评分和 noul 原语，以及 Python 和 TypeScript SDK，旨在为开发者提供一个实验决策逻辑的框架。
github.comcitation-verifier
该项目展示了一个用于验证学术引用的工作流程。它利用 Claude 提取支持性引文，并使用 Jev 对引文与原始资料之间的一致性进行评分，最终需要人工审核来确认引用的准确性。
github.comjev-snake
该实验性项目展示了一个由游戏引擎强制执行确定性规则的贪吃蛇游戏实现。它演示了 Jev AI 如何在每个游戏周期处理结构化状态数据并做出移动决策。
github.com
