提交資源
English
한국어
日本語
Español
Français
Deutsch
简体中文
Português
Bahasa Indonesia
ไทย
Italiano
Tiếng Việt
Türkçe
Polski
Русский
回到實驗室JEVLAB / FIELD NOTES
實驗室最新消息
新加入資源與 JEVLAB NEWS 的日期列表。回來查看變更內容，或在您的閱讀器中訂閱 RSS 摘要。
在此瀏覽器記住此訪問，以便下次標記新增內容。無需登入或跨裝置追蹤。
日期顯示項目在 JEVLAB 中可用的時間（UTC），而非原始來源發布的時間。僅翻譯的編輯不計為新資源。
36
jev-bfs
該專案實現了一個使用 Jev 排序的維基百科連結競賽遊戲。它演示了透過廣度優先搜尋尋找文章間路徑的方法，並提供了一個即時終端介面來追蹤競賽進度。
github.comjevegis
jevegis 提供了一個用於在 LLM 應用中實現防護欄的統一 API。該工具基於 TypeSafe Jev 建構，旨在檢測提示詞注入、越獄攻擊、資料洩漏及不安全內容，從而提升語言模型互動的安全性。
github.comJev 驅動的吃豆人遊戲
該演示展示了一場由 Jev 決定每一個動作的吃豆人遊戲。這是一個將 Jev 的決策邏輯應用於經典街機機制的實驗，旨在觀察其戰略導航模式。
x.comDiogo Almeida 技術講座
Jev 創辦人 Diogo Almeida 在本次講座中探討了該平台的架構。開發者聲稱該系統在保持高速度和成本效益的同時消除了幻覺問題，但這些性能指標尚未經過第三方驗證。
x.com具有分支未來的 Doom
該實驗展示了使用 Jev 結合大型語言模型來運行 Doom。它探索了在遊戲過程中同時模擬多種潛在未來結果的能力，旨在為遊戲環境內的決策過程提供參考。
x.com程式碼庫複雜度分類器
該專案介紹了一種基於 Jev 的程式碼庫複雜度分類器。它旨在透過自動化結構分析，協助開發人員識別並減少過度設計的程式碼。
x.comTypeSafe AI 文件
此資源提供了 TypeSafe AI 的基礎文件。內容涵蓋核心基本元件、實作模式與實用指南，並附有 HTTP API 與軟體開發套件的完整技術參考資料。
docs.typesafe.aijev-use
該插件使 Claude Code 等 AI 代理能夠將無需文本輸出的步驟委託給 Jev 處理。它展示了向 LLM 進行類型化升級的工作流程，開發者報告其 p50 延遲約為 230 毫秒，每 1,000 次判斷的成本約為 0.02 美元。
github.com分10步構建最快的代理大腦
本指南概述了使用 Jev 構建代理大腦的十個步驟。作者聲稱該方法優化了高速性能，為希望構建響應式自主系統的開發人員提供了結構化的工作流程。
x.com置信度門控路由
該模式演示了一種基於模型置信度分數進行請求路由的方法。它教授如何實現條件邏輯，透過將任務引導至適當的處理路徑來確保輸出品質。
docs.typesafe.ai寶可夢聯盟挑戰
該項目展示了 Jev 嘗試在《寶可夢 金》中挑戰寶可夢聯盟的過程。它演示了如何透過基礎控制輸入來導航遊戲環境並完成對戰任務。
x.comtypesafe-go
該儲存庫提供了一個用於與 TypeSafe AI API 進行互動的慣用 Go SDK。它作為開發人員工具，旨在透過標準的 Go 程式設計模式簡化與該服務的整合和通訊。
github.comGround Truth 新聞框架分析擴展
該瀏覽器擴展利用 Jev 對線上文章進行分析和分類。它演示了如何自動識別網路媒體中的新聞框架、內容主題以及加載語言的使用情況。
x.comvon
von 是一個開源的 System One 決策模型，旨在作為 TypeSafe Jev 的本地非自回歸替代方案。開發者聲稱該模型在決策任務中可實現低於 15 毫秒的推理速度。
github.comtypesafe-client
該 Rust 庫提供了一個用於與 TypeSafe System One API 交互的非官方非同步客戶端。它演示了在與平台後端服務整合時，如何實現類型安全的通訊模式。
github.comjev-mcp
該 MCP 伺服器將 TypeSafe Jev 整合到 Claude Code 中，提供用於分類、評分和批次處理的結構化工具。它演示了如何將校準後的判斷能力作為標準化函數公開，以支援自動化代理工作流程。
github.comjev-t-rex-runner
該項目展示了如何應用 Typesafe AI Jev 模型來自動化 Chrome 恐龍遊戲。它為在瀏覽器遊戲環境中集成 AI 代理提供了一個實用的實驗案例。
github.comFusion 360 語音控制
該項目展示了 Fusion 360 的語音控制介面。它利用 Jev 來區分操作指令與日常對話，旨在透過自然語言輸入簡化 CAD 工作流程。
x.comtaste-lint
該命令列工具利用 Jev 來識別使用者介面、文案和代理指令中可能存在的 AI 生成低品質內容。它透過語意檢查功能，協助開發者在專案部署前把控內容品質。
github.comrh-guard
rh-guard 為編碼代理提供了一種獎勵駭客行為檢測機制。它利用結構化拒絕和 TypeSafe Jev System One 側邊欄來監控 Claude Code 和 Cursor 中的鉤子，旨在識別自動化開發任務中可能出現的獎勵駭客行為。
github.comfast-jev-compaction
此Claude Code插件以Jev決策取代了壓縮摘要。它在單次快速請求中對工具調用與結果進行評分，自動刪除或截斷過時資料，同時確保保留的資訊維持原始格式。
github.comjevscape
jevscape 為 Jev 提供了 RuneBench 工具包，包含受限操作目錄和 Tick 模式控制器。它還提供了一個即時儀表板，旨在幫助開發者監控和管理 Jev 生態系統中的代理工作流。
github.comspendbrake
spendbrake 提供了一種管理 AI 代理支出的機制。它演示了如何透過 TypeSafe Jev 實現預算控制，允許使用者選擇繼續、降級模型或停止代理操作。
github.comjev-codes
該工具支援根據定義的 YAML 編碼標準自動審計 git diff。它利用 Jev 模型，透過命令列介面或 AI 代理工作流提供一致性檢查功能。
github.comJev Room
Jev Room 是一款網頁工具，可將單個描述性句子轉化為六種不同的房間設置。該應用利用 Jev 解析用戶輸入，並渲染出相應的室內設計方案，為用戶提供空間創意參考。
jev-room.moe136231.chatgpt.sitejev-trader
jev-trader 展示了一個利用 Jev 分析資產價格數據流的自動化交易機器人。該項目演示了模型如何根據其內部邏輯做出買賣決策並執行實際的金融交易。
x.comjev-mail-classifier
該項目展示了一個使用 Jev 的自動化電子郵件管理系統。它提供了一種基於配置的方法來對收到的郵件進行分類、標記、移動和加旗，展示了如何應用 TypeSafe AI 模型來簡化個人收件箱的整理工作流程。
github.com針對每個拉取請求的十四項檢查
該工具透過對拉取請求執行十四項自動化檢查來提升程式碼品質。它旨在開發工作流中識別硬編碼金鑰或 SQL 模式問題等潛在的安全隱患。
x.comTypeSafe 入門指南
這份官方文件提供了 TypeSafe 生態系統的基礎概述。它作為理解核心概念與架構原則的主要入口，闡述了該平台在實現安全可靠的 AI 整合方面所採用的方法論。
docs.typesafe.aijev-crawlers
該儲存庫提供了使用 Unix 風格原語構建的自動化爬蟲，用於系統分析。它展示了一種模組化的漏洞挖掘方法，透過利用輕量級且可組合的工具，在目標環境中執行資料收集和漏洞發現任務。
github.comtypesafe-local
該項目展示了一種在 Apple Silicon 上查詢本地 LLM 的方法，旨在獲取校準後的機率而非文字。它致力於直接提供結構化輸出，從而繞過文字生成和後續的解析步驟。
github.comCheshi
Cheshi 是一個 macOS 工作區，整合了基於 Jev 的對話記憶功能與 OpenAI Codex。它支援管理 AI 代理，透過 CodeGraph 探索程式碼，並將 Git、Ghostty 終端機和 Apple Notes 的工作流程整合在單一應用程式中。
github.comgame-coach
該項目將 Stockfish 引擎分析與基於 Jev 的判斷邏輯相結合，為國際象棋棋手提供實時戰略指導。它展示了一種將傳統國際象棋引擎與現代人工智能判斷系統相結合的方法。
github.comSDE cascade
這份 TypeSafe 官方參考資料概述了 SDE cascade 方法論。它展示了如何構建多階段 AI 工作流，以提高複雜軟體開發任務中輸出的可靠性和邏輯一致性。
docs.typesafe.aiDGP (Decision Graph Protocol)
該實驗性協議使用 Jev 適配器透過類型化選擇來評估證據。它展示了應用程式代碼如何在結構化的決策框架內驗證權限並執行模擬的演示操作。
github.comkyotsu-ai-bench
該儲存庫提供了一個靜態儀表板，用於比較 Jev、luna-none 和 luna-low 模型在 2026 年日本共同考試中的表現。該項目作為一個實驗性基準，旨在評估這些 AI 架構在標準化學術考試題目中的處理能力。
github.com
