Jev 發布文章
迪奧戈·阿梅達介紹了 TypeSafe 的結構化決策模型 Jev。此資源概述了模型的核心方法、實際應用範例以及作者所報告的效能指標。
迪奧戈·阿梅達介紹了 TypeSafe 的結構化決策模型 Jev。此資源概述了模型的核心方法、實際應用範例以及作者所報告的效能指標。
TypeSafe 正式啟動其研究實驗室,並向開發者社群介紹了 Jev。此公告包含由 Diogo Almeida 製作的發布影片,並為該專案的使命和未來方向提供了基礎背景。
TypeSafe 現已取消 Jev 的候補名單,向公眾開放平台存取權限。開發者可以使用官方控制台,將類型化決策功能整合到自己的軟體應用程式中並進行測試。
TypeSafe 強調 Jev 的類型輸出方法:應用程式提供狀態和問題,然後根據機率、選擇或分數進行操作。連結的公告也涵蓋了威尼斯 API 集成。
認識 Wallpets,我們的另一位桌面夥伴。在 MacBook 螢幕上移動游標,看看 Natchan 如何追隨你的目光。
探索 Wallpets 270 Clicks
在螢幕上移動游標
AI-assisted summaries and translations. Check original sources for context and performance claims.
該儲存庫是一個關於 Jev 基礎、可信度及網路安全應用的綜合研究論文、專案和文件庫。它為探索 System One 決策模型及其在各種技術工作流中的整合提供了精選資源。
JevOut 提供了一套工具,用於研究自然語言上下文的添加如何影響決策模型。該項目展示了在不改變原始任務或指令的情況下,微妙的背景細節如何將正確的決策引導至特定的錯誤結果。
JEV-MLX 是一個用於在 Apple Silicon 上透過 MLX 進行本地 LLM 動作選擇的 Python 函式庫。它將應用程式狀態和使用者請求映射到特定動作,無需額外的模型訓練或微調。
CARVE 是一個基於 Qwen3.8-27B 的開源 Jev 類模型系列。它展示了一種兼容 TypeSafe 的 API,無需自由文本生成即可透過單 token 進行決策,並提供多種配置以平衡決策任務中的準確性和吞吐量。
ex-regex 是一個利用 Jev 模型進行語義模式匹配的 Python 庫。它允許開發者根據文本含義而非語法來提取和分類資訊,在不生成新文本的情況下提供基於機率的匹配結果。

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 是一款基於 Jev 的命令列工具,用於結構化檔案和資料庫的欄位級異常檢測。它支援資料預覽、異常掃描,並可透過本地快取和 SQL 過濾功能管理審核佇列。
JevTown 是一個 AI 代理在像素藝術環境中進行導航的模擬引擎。它展示了一種結合 Jev 結構化決策與 LLM 語言處理的混合架構,使代理能夠在基於瀏覽器的遊戲世界中實現自主互動。
該工具包為審核 Roblox Studio 實例提供了一個結構化的類型化框架。它允許開發者透過根據定義的標準驗證場景屬性並生成帶有引用的詳細報告,從而確保團隊項目在開發過程中的一致性。
HelpMe Jev 是一個自託管的決策工作台,結合了 Jev 的結構化分析能力與 LLM 的語言處理能力。它透過提供基於機率的見解和草擬建議,幫助用戶評估複雜的社交或職場情境,同時確保最終決策權始終掌握在用戶手中。
該 Jupyter Notebook 合集提供了一套使用 Jev 構建類型化 AI 決策的課程。它教導開發者如何為分類和評分等任務構建輸入與輸出,強調在模型判斷的同時結合確定性的 Python 邏輯。

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 是一個用於通用臨床文本分類的開源模型系列。它允許用戶在推理時定義任務和標籤,無需針對特定任務進行微調,從而支持在本地處理敏感的醫療數據。
reflex-cu 是一個用於 AI 代理的 MCP 伺服器,支援在 macOS 和 Windows 上執行電腦操作。它透過讀取 UI 可存取性樹而非僅依賴截圖來提高效率,並利用 Jev 進行快速判斷。
jev-mail 是一款利用 Jev AI 模型對 Gmail 收件匣進行分類、標記和清理的瀏覽器擴充功能。它使用您自己的 API 金鑰在瀏覽器本地執行,提供注重隱私的郵件分類和批次管理工具。
jev-max 是一個瀏覽器代理庫,透過穿透 Shadow DOM 和 iframe 來增強基於 Jev 的自動化能力。它提供了畫布回退、點擊遮擋檢查和多標籤頁支援等功能,使代理能夠透過統一的 MCP 介面與複雜的網頁進行互動。
CloakBrowser-Agent 是一款整合了 TypeSafe Jev 決策功能的隱身瀏覽器自動化工具。它可作為 MCP 伺服器、CLI 或 Python 函式庫運作,透過基於校準機率選擇操作而非生成自由格式程式碼,實現類似人類的瀏覽器導航。
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 是一款適用於 Omarchy 和 Hyprland 的 AI 專注力輔助工具。它利用 TypeSafe Jev 根據您的當前任務評估活動視窗,透過漸進式提醒幫助您保持專注,並優先考慮本地隱私保護。
該 MCP 伺服器將 TypeSafe AI 的 Jev 決策模型整合至 AI 代理中。它提供包含確定性評分與 act/review/abstain 判定的結構化確定性答案,讓代理能在不產生文字的情況下,對狀態或檔案進行類型化評估。
這是一個用於 System One 決策模型的 Elixir 客戶端,支援 TypeSafe Jev、Cloudflare Clef 和 OpenRouter。它允許開發者獲取帶有完整機率分佈的類型化答案,用於狀態決策路由,並內建了遙測和測試存根功能。
該軟體包將 JEV System One 決策模型整合到 pi 編碼代理中,以控制子代理的調度。它提供合規性規則、直接模型查詢以及可選的執行階段監控功能,幫助使用者管理代理行為和任務執行。
此本地 MCP 網橋允許 Codex 將草擬任務委託給 Gemini,並使用 TypeSafe Jev 進行自動品質檢查。它透過 Antigravity CLI 利用 Google AI Pro 配額來管理程式碼提案和分析工作。

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 是一個 Claude Code 外掛程式,透過上下文壓縮、模型路由和選擇性技能載入來優化權杖使用。它旨在透過管理工具輸出和模型選擇來減少工作階段開銷,同時保持現有的開發工作流程不變。
此 WordPress 外掛利用 Jev 模型非同步審核留言的垃圾訊息、濫用行為與相關性。它在背景處理留言以維持提交速度,並使用可配置的閾值來決定是否核准、保留或將留言標記為垃圾訊息。
Jevvy 是一套用於編碼代理的插件集合,利用 TypeSafe System One 模型自動處理 Shell 權限審批。它根據風險閾值評估命令,並在存在不確定性時保持決策中立,以維護代理的安全性。
nocap 是一個用於 RAG 流水線的 System One 證據閘道,可在生成前評估檢索到的上下文。它將查詢路由至回答、重新檢索、棄權或衝突審查,透過確保 LLM 僅基於提供的證據生成回應來防止幻覺。
jevr 是一個用於 JEV 和 TypeSafe System One 模型的 R 語言客戶端。它允許用戶向模型發送結構化的狀態和問題,並返回可直接用於決策任務的程式化答案,而非傳統的對話式聊天。

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
探索支持者該儲存庫匯集了關於 Jev(一種用於類型化機率決策的 System One 模型)的學術預印本和技術報告。它將研究分為核心來源、基準測試和應用,旨在幫助追蹤快速發展的決策導向型人工智慧文獻。
Jevector 展示了一個使用 Clef 或 Jev 將標準編碼為數值向量的個人資料匹配系統。它利用 HNSW 進行檢索並根據偏好覆蓋率對候選人進行排名,在合成基準測試中表現優於 BM25 和 BGE-small。
該項目展示了一個利用 Qwen3-VL 和 LoRA 生成結構化證據,並結合 TypeSafe Jev 進行策略決策的多模態內容審核流水線。它提供了識別厭女內容的基準測試與評估協議,重點探討了召回率與人工複核成本之間的業務權衡。
該儲存庫提供了使用 Jev 進行 GTM 工作流的實用範例,包括潛在客戶分類、交易風險評估和帳戶管理。它演示了如何將 TypeSafe AI 流程與 Claude 集成,以實現自動化業務運營。
這個實驗性平台利用 Jev 模型逐步執行算術、聊天和繪圖任務。用戶可以檢查每一步的機率輸出和事故報告,重點在於觀察模型行為,而非任務的最終完成情況。
NucleiSniper 是一個利用 TypeSafe Jev AI 對目標進行指紋識別並按相關性對 Nuclei 模板進行排序的工具。它透過優先執行高價值檢查,幫助使用者更快地發現關鍵安全問題。
ComfyUI-Jev 提供自定義節點,將 Jev 的文本解釋和判斷功能直接集成到 ComfyUI 工作流中。用戶可以通過自然語言指令執行文本評分、候選選擇和條件邏輯等任務。
JEV Safety Gateway 是位於 Nginx 與大模型後端之間的前置過濾反向代理。它逐請求提取用戶輸入並交給 JEV 模型進行安全判定,實現對有害請求的攔截與對正常請求的透明放行。
Jevspresso 展示了如何將 Jev 與 XState 集成以管理濃縮咖啡吧模擬。透過限制模型僅選擇有效的狀態機轉換,它確保了 AI 代理在定義的物理約束內運行,而不是生成任意的工具調用。
ComfyUI-SystemOne 提供了一組自定義節點,可根據自然語言判斷來分支工作流。它支援本地 Laya 模型或託管的 Jev 和 Clef API,從而實現圖像生成任務的自動路由、評分或過濾。
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 外掛程式將 TypeSafe System One 判斷整合到生物資訊學管線中。它允許開發者將類型化問題定義為管線值,從而實現基於機率分佈而非生成文字的分支邏輯。
JevSceneMiner 是一款利用 Jev 從車輛日誌中提取駕駛場景的工具。它將運動和傳感器數據轉換為結構化的時間戳場景,使用戶能夠通過同步審查界面進行數據集管理、駕駛性能驗證以及機動模式分析。
JevLight 是一個在 SUMO 仿真中使用 Jev 決策模型的交通信號控制框架。它演示了如何將交叉口狀態和相位決策映射到結構化的 API 請求中,並支持交叉口級和網絡級的協調控制策略。
Hunch 是一個用於 Jev 決策模型的瀏覽器端實驗平台。它允許用戶視覺化構建類型化查詢,透過 OpenRouter API 執行,並直接查看機率結果、延遲和成本指標,無需任何後端伺服器支援。
該工具將 TypeSafe 的 Jev 模型整合到瀏覽器自動化工作流程中,以處理元素選擇。它作為現有 MCP 瀏覽器伺服器的包裝器,旨在提高自動化網頁互動過程中的任務完成率與成本效率。

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 透過審計代碼中的結構化決策模式,識別適合遷移至 JEV 的 AI 調用點。它提供了一種影子模式遷移工作流,用於在生產環境變更前驗證其與現有 LLM 實現相比的性能和準確性。
jev-lint 是一款用於掃描 Markdown 知識庫的命令列工具,可檢測其中的矛盾、陳舊聲明和斷鏈。它利用 TypeSafe Jev 進行語義分析,並生成獨立的 HTML 報告,幫助用戶識別並解決文件中的問題。
此 Claude 技能提供了一種設計檢查,用於確定 TypeSafe 的 Jev 模型是否適用於特定的開發任務。它提供架構模式和可行性評估,幫助開發者識別 Jev 類型化判斷能力的潛在應用場景。
此 OpenCode 外掛利用 Jev 動態調整 AI 模型的推理力度。它旨在透過為每個請求選擇合適的力度級別,而非對所有任務使用固定設定,從而優化權杖使用量和延遲。
Vibefilter 是一款 Filament 外掛,支援使用自然語言對表格資料進行語意過濾。它利用 TypeSafe Jev 模型根據使用者輸入的陳述對行進行評分,無需訓練資料或關鍵字列表即可實現零樣本分類。

Friend recommendations, not stranger reviews. Save spots, build your food passport, and search friends food maps when you travel. Free on iOS.
探索支持者該儲存庫提供了一個經過整理且自動更新的 System One 決策模型列表。它記錄了各種替代專有 Jev 介面的開源方案,詳細介紹了它們的架構、授權協議以及與標準決策 API 模式的相容性。
該儲存庫提供了關於 Jev 及類似類型決策模型的證據調查。它綜合了關於校準、故障模式和系統集成的研究,並將報告的性能指標追溯至原始學術來源。
該工具提供了一個獨立適配器,用於將 TypeSafe AI 語義證據集成到 Agent-Workflow 中。它支持受限決策和技能評估,同時確保宿主系統保持對策略、執行和生命週期管理的完全控制。
typesafe-eval 是一個利用 TypeSafe System One API 進行自動化文件評估的 CLI 工具和 CI 閘道。它提供回歸檢測、清單驗證和憑證遮蔽功能,旨在協助維護開發工作流程中的文件品質與安全性。
Codex-Jev 是一款 VS Code 外掛,用於在 Codex 處理前過濾工具輸出中的重複行。它旨在透過突顯相關證據並提供原始日誌連結,從而提高開發過程中的資訊可讀性。

Whale sharks drifting past. A quiet café after hours. Sixteen living worlds, just beyond your screen.
探索支持者Vellum 是一個實驗性工具,它使用分類器而非大型語言模型將 Markdown 內容映射為 Sanity 文件。它演示了如何透過要求分類器根據提供的模式描述符將文字區塊分配給特定欄位來建構資料。
Decidealot 提供了一個統一的 HTTP 和 MCP 介面,用於執行 Laya、Von、CLM 等本地模型或託管的 Jev 服務。它支援類型化的分類和評分,使應用程式能夠根據模型提供的機率和信心指標進行程式化決策。
TypeWright 是一個用於 Jev 決策的宣告式編譯器和執行時期。它允許使用者定義狀態和決策契約,利用標註資料將其編譯為帶有校驗和的 JSON 程式,並在執行時期無需 DSPy 等外部依賴即可執行這些程式。
mappity 是一個利用 TypeSafe Jev 和 Cactus Needle 回答有關地理位置自然語言查詢的工具。它透過處理 OpenStreetMap 和 Mapillary 資料,根據使用者請求為地點分配機率分數。
該資源提供了適用於 Windows 的 JEV-27B 模型本地 GGUF 實現。它演示了與 Ollama 的集成,採用 Qwen3.8 主幹架構,並包含用於本地 AI 處理任務的可選視覺語言功能。

Dotient is a local-first semantic file search tool that indexes your personal archive. No cloud, no uploads. Starts at $10 one-time.
探索支持者該工具演示了如何使用 TypeSafe System One 對 GitHub 拉取請求進行類型化的並行判定。它利用基於程式碼的策略和模型驅動的判斷取代了緩慢的 LLM 鏈,從而高效地自動化程式碼審查訊號。
該資源提供了交互式模擬,展示了專為快速、類型安全決策而設計的 System One 模型 Jev。它演示了並行採樣和校準置信度如何改進現有 AI 系統中路由、分類和驗證任務的架構。
該儲存庫為 TypeSafe 的 Jev 模型提供了一套測試工具,用於評估置信度校準、幻覺檢測以及檢索增強生成(RAG)的性能。它包含用於對比準確性、成本和延遲的基準測試腳本。
Jevline 透過單個已確認的惡意進程來重構安全事件。它利用 Jev 模型自動關聯各種日誌格式中的相關活動,從而生成詳細的時間線、執行鏈和證據表,協助分析人員進行調查。
該工具為錢包和代理提供簽名後的預支付風險評估。它透過 OFAC 清單、釣魚網站源、交易模擬以及專有的監控功能來評估交易對手,旨在檢測惡意合約模式和地址投毒行為。
Vision-Jev 是一個開源項目,提供具備視覺能力的模型,用於對動態候選集進行判斷和操作。它利用結構化輸出頭進行選擇、證據充分性判斷和質量評分,側重於可審計和可校準的決策,而非無約束的文本生成。
此 Nushell 外掛程式將 TypeSafe Jev 的結構化決策功能直接整合到 shell 環境中。使用者可以使用原生的 Nushell 管線和指令來定義問題、對資料流進行標註並獲取基於模型的見解。
SOLO Decision 透過優化關聯資料佈局,最大化 LLM 決策模型的前綴快取效率。該工具透過重排行與欄位以暴露共享輸入前綴,在基於 JEV-9B 模型的合成工作負載中展示了吞吐量的提升。
該項目支援透過 WebGPU 或 WebAssembly 在瀏覽器中直接執行 Laya 非自回歸決策模型。它展示了如何利用 ONNX Runtime Web 在本地執行基於狀態的決策任務,無需伺服器或 API 金鑰。
該 MCP 伺服器允許 AI 代理與 Jev API 整合以進行結構化決策。它透過返回帶有置信度分數的類型化值而非文字,從而簡化了分類、路由和驗證任務。

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 是一個 Claude Code 外掛,利用 TypeSafe 的 Jev 動態路由提示詞的努力程度。它透過調整每輪的努力級別,並包含資料脫敏功能,以在 API 請求過程中保護敏感資訊。
此工具提供了一個透過 OpenRouter 使用 Jev 的 Claude Code 外掛程式與函式庫。它在保留原始文字的同時清理不必要的工具呼叫與結果,並透過強制性的提供者路由設定確保零資料保留。
jev-lint 是一款面向編碼代理的模糊代碼檢查工具,可提供實時反饋。它幫助代理在編輯代碼後立即識別並修復規則違規,從而減少了代碼審查後的修復成本。
該項目提供了將 TypeSafe 的 Jev 模型用作 Claude Code 技能路由器的參考實現。它演示了如何記錄和評估技能建議,但作者發現這種特定集成在實際應用中的效果有限。
jev-blindspot 是一款適用於 Claude Code 和 Codex CLI 的提示詞審查工具,旨在識別請求中潛在的知識盲點。它透過分類器判斷是否需要分析,並在不中斷會話的情況下,透過本地 Web UI 提供反饋。

Für Ideen, Gespräche, Meetings und alles dazwischen.
探索支持者jev-gateway 是一個本地代理,可將 Jev 決策模型整合到 Codex 和 Claude Code 等編碼代理中。它優化了工具呼叫決策,同時將其他請求原樣轉發給原始 LLM 提供商,從而保持現有工作流程不變。
jev4pg 將 JEV 語意智慧整合到 PostgreSQL 中,提供自然語言查詢和語意過濾工具。它具有可解釋的嵌入和並行執行功能,幫助使用者透過統一的工作區或原生 SQL 擴充功能來分析現有的資料庫記錄。