Skip to content
项目

valentynkit/awesome-jev-typesafe

在 GitHub 查看

valentynkit/awesome-jev-typesafe has 190 GitHub stars and 63 forks. GitHot measured 0 in 7 days. Last checked 2026-11-18 06:27 UTC. Last push 2026-11-15.

这些数字如何统计

实测星标增长

24小时
更新延迟
7天
0
15天
正在收集历史
1个月
正在收集历史

各周期内的星标净变化,周期相互重叠,并非每日新增。缺失的测量保持空白。星标代表关注度,不代表软件质量。

关于

Typed decisions with TypeSafe's Jev, the first System One model

学习资源

README.zh-CN.md

原文

Awesome Jev (简体中文)

此文件由英文列表自动生成,请勿直接编辑。贡献请修改 readme.md。

English · 网站 · 英文网站

从这里开始

  • Introduction - 两页讲清心智模型:输入状态加带类型的问题,输出带概率的带类型答案。
  • Quick start - 用 Python、TypeScript 或 curl 发出第一个请求。
  • Primitives - Choice、Score 和 Noul,以及各自的适用场景。
  • State - 如何打包交给 Jev 评判的内容,以及为什么越少越好。
  • API reference - 请求与响应的约定。
  • Models - 别名、当前版本、价格与速率限制。
  • Model jaggedness: jev-1.13 - 已知失效模式,直接来自厂商。
  • System One - 这个品类意味着什么,以及它与聊天模型的区别。
  • How to build with System One - 把一次判断拆解成原子问题,并把控制流留在代码里。
  • Confidence - confidence 字段的含义,以及如何据此转为执行、复核或回退。
  • Patterns - 推测式扇出、按置信度路由、组合打分、意图路由。
  • Use-case map - 厂商自己整理的目录,列出 Jev 适用和不适用的场景。
  • Cookbooks - 可照做的配方,从把多个问题批量合并进一个请求开始;其余在侧边栏。
  • Workflow evals - 厂商在四种工作流上的基准测试,页面上附有注意事项。
  • Manifesto - 产品主张,一句话概括为造产品,不造神。
  • llms.txt - 所有文档页面的纯 Markdown 版本,用于喂给智能体。
  • Console - 等候名单、API 密钥和用量。
  • Jev on Vercel AI Gateway - 模型 id typesafe-ai/jev,通过 Vercel 计费,无需 TypeSafe 等候名单。
  • Jev on Cloudflare Workers AI - 在 Worker 中通过 env.AI.run 调用 typesafe/jev。
  • Jev on OpenRouter - 在通用网关上的 Beta 上架,模型 id typesafe/jev-1.13,按你的 OpenRouter 密钥计费。
  • Jev-verified cascade - OpenRouter 配方:由廉价模型作答,Jev 检查答案,只有失败的才升级。
  • Jev on Netlify AI Gateway - 从 Netlify Functions 零配置访问,无需单独的 TypeSafe 密钥。
  • LiteLLM pass-through - 把 System One 端点经 LiteLLM 代理路由,以做密钥管理和成本跟踪;不支持流式,因为 TypeSafe 本就没有。
  • Discord - 官方服务器;builder 演示在 show-and-tell 频道。

官方 SDK 与框架支持

  • typesafe-sdk-js - TypeScript 与 JavaScript 客户端,答案类型由你的问题推断得出。
  • typesafe-sdk-python - Python 客户端,同步与异步。
  • system-one-adapter-python - 以 LLM API 为后端的同款 TypeSafeClient 接口,可在相同问题上把 Jev 和聊天模型做对比。
  • skills - 用于设计问题、构建工作流并做评估的智能体技能。
  • Agent skill - 如何在 Claude Code、Cursor 等工具中安装官方技能。
  • Vercel AI SDK provider - @ai-sdk/typesafe-ai 通过 experimental_evaluate 暴露 Jev。
  • eve - Vercel 的智能体框架;Jev 在其 evaluate 步骤中充当带类型的评判。
  • ai-cli - 终端里的 Vercel AI SDK,其 evaluate 路径跑在 Jev 上。

编程智能体

Claude Code

  • fast-jev-compaction - 用 Jev 的判定替代上下文压缩的摘要:一次请求为每个工具调用及其结果打分,丢弃过时项,保留的一律原样留存。
  • jev-router - 把每个任务路由到能胜任的最便宜的 Claude 模型。
  • winnow - 在每个工具结果进入上下文前先做评判,让窗口填得更慢,而不是事后清理。
  • yoshi - 面向 Claude Code 和 Codex 的上下文裁剪代理,节省量是实测而非宣称。
  • skillranker - Rust CLI 与钩子,利用实时会话上下文为下一步排序已安装的技能,并支持弃权。
  • jcm-router - 本地代理,逐条消息选择模型与思考强度,不触碰已缓存的主对话。
  • jev-skillful - 按提示词在技能、MCP 服务器、智能体和命令之间路由,并测量注入是否真的有帮助。
  • limpet - 一个 Stop 钩子,依据自然语言规则评判,阻止智能体过早停止。
  • jevwire - MCP 服务器、可嵌入的决策模型,外加一个只升级不放松的插件,能让载体更严格但绝不更宽松。
  • jev-code - 命令行工具包,编码智能体把重判断的活交给它,每个请求对应一条带类型的 Jev 工作流。
  • vexjoy-agent - 智能体工具包,其 /d 命令用一次 Jev 调用选定专家智能体、技能和流水线,另有可选的 Jev 自动压缩插件。
  • save-token-jev - 上下文压缩时询问 Jev 哪些工具调用仍然重要,其余原样保留,并带有 Claude Code、Codex、OpenCode 和原始 API 记录的适配器。
  • jev-pruner - 在命令执行后、模型看到前用 Jev 裁剪冗长的 Bash 输出;短输出、报错和结构化格式原样放行。
  • jev-rules - 针对每个提示词为你的常驻规则打分,每个会话只投送一次真正适用的那些。
  • jev-belay - Stop 钩子,拦截未经验证的“完成”:读取记录寻找证据,仅当文件有改动且此后没有通过的检查时,才花一次四问的 Jev 调用;所有错误路径均失败放行。
  • jev-use - 把 Claude Code、Codex 和 pi 中无需文本输出的步骤交给 Jev 处理,并为所有它不该决定的事项提供类型化的升级契约。
  • jev-skill-router - Hook that asks Jev which installed skill fits each prompt and logs the answer; in the author's week of shadow mode, 28 of 539 suggestions were followed by a call of that skill, and the author then removed it.

Codex

  • jev-codex-router - 为每个 Codex 回合选择模型、思考深度和速度模式。
  • codex-jev-router - 用 Jev 为 Codex 子代理选择模型和推理强度,带置信度门槛,并以 Sol 兜底。
  • Astra-Ares - 让 Jev 为运行中的 Codex 任务选择推理强度及其保持时长,运行在一个由上游源码构建的修补版 Codex CLI 上。

Pi

  • pi-jev by y0usaf - 一个经过实测的工具调用门禁,外加一个在 Pi 内给出带类型答案的 jev_ask 工具。
  • pi-warden - 引导而非打断的护栏:不可逆调用、偏离任务的调用、卡住的循环、未经验证的完成声明,每次约 250 毫秒。
  • pi-jev-auto-mode - 在语义层面自动批准 bash、write 和 edit 调用,无法判定时失败拦截。
  • pi-jev by TheoOliveira - 把语义化工具路由和带类型决策作为 Pi 工具提供。
  • pi-jev-router - 通过 Vercel AI Gateway 为 Pi 做自动模型路由。
  • pi-fast-jev-compaction - 把原样保留的上下文压缩思路移植到 Pi。
  • bicameral - 面向 Pi 的混合载体:由 LLM 写代码,Jev 反射对每次调用做放行、确认、阻断、警告或引导的门禁。
  • pi-quiet-ask - 把 Jev 作为 Pi 编码智能体安静的决策层。
  • pi-typesafe-jev - Pi 扩展,把 Jev 的判断暴露为五个 Pi 工具。
  • pi-typesafe - 批量评估工具、终端演练场,以及给 Pi 扩展作者的带类型 API。
  • pi-heed - 把每次有副作用的工具调用对照你在会话前面说过的话做检查,这样“只做复核”在上下文压缩后依然成立。
  • pi-jev-sentinel - 用 Jev 检查 Pi 的工具调用、工具输出和回复中的风险操作与提示注入,带用户审批、上下文复检、密钥擦除和可选的任务锁定。
  • pi-mcp-adapter - 对 MCP 工具结果做可选的带类型评估和语义搜索,受按服务器配置的数据外发白名单约束。
  • mu - Coding agent and desktop app built on Pi that hands 38 routine decisions to Jev, from which tool output enters the context to prompt-injection screening and checking a "done", each one switchable between active, shadow and off with every verdict in a local ledger; pre-release.

Hermes

  • typesafe-skill-router - 在模型调用前指出唯一值得加载的那个技能;仅用标准库,每回合约千分之一美元。
  • jev-agent-skill-router - 带置信度感知的技能路由,包含弃权路径。
  • hermes-jev - 带类型的决策、排序、验证,以及一个可选启用的工具门禁。
  • ask-jev-skill - 让 Hermes 及同类智能体直接向 Jev 提问。
  • hermes-jev-plugin - 四个 Hermes 工具,用于原子检查、路由和量表打分;已收录于 Hermes 插件目录。
  • hermes-jev-approvals - 在被标记的 shell 命令运行前予以批准、拒绝或升级;提速数据为厂商自报。

Agent Zero

  • a0-typesafe-ai - 给 Agent Zero 的带类型工具和概率卡片。

任意智能体

  • skillbox - 自托管、带版本的技能库,通过 MCP 提供服务,由 Jev 推荐该加载哪个技能。
  • jev-mcp by jkudish - 第一个面向 Jev 的 MCP 服务器,至今仍是被链接最多的那个。
  • typesafe-mcp - Go 语言的 MCP 连接器。
  • jev-mcp by blakestone-x - 分类、打分、检查、匹配和筛查,每个答案都带置信度。
  • Jevbridge - ACP 与 MCP 适配器,把 Jev 与任意 LLM 配对用于计算机操作和带类型决策。
  • jev-eval-mcp - 评估优先的 MCP 服务器:先做出一个问题的原型,再映射到大量条目上,然后用带标注的样例和阈值扫描来衡量各个变体。
  • azdaja - 面向 Claude Code、Codex、Gemini 和 OpenCode 的递归语言模型层,把完整源文本留在本地评估器中;Jev 是可选的叶子节点,用于重排、验证、分类和语义连接,批次有预算并带检查点。

编写 Jev 代码的技能

  • building-with-jev-skill - 用于编写和改进调用 Jev 的程序的技能。
  • jev-system-architect - 找出系统中的模糊判断,把它变成细小的 Choice、Score 和 Noul 原语。
  • jev-judgment - 把编码智能体的封闭式判断发给 Jev,而不是聊天模型。
  • skills by fabricioctelles - 智能体技能目录,可用 Jev 为主观评估标准打分。
  • Augustus - 用于判定带类型的判断究竟该放在哪里、哪些留在代码里的技能;它是官方技能的搭档,不是替代品。
  • hermes-jev-skills - 把智能体的小决策交给 Jev:这一轮由哪个模型回答、加载哪些技能、哪些检索片段重要、哪些对话轮次能留到压缩之后。
  • Stanley - 命令行编码工具:Jev 把自然语言请求路由到某个确定性工作流,该工作流再就自己收集的证据向 Jev 提出固定选项的问题。
  • JevHarness - 让 LLM 写出面向具体任务的 harness,把观测转成 Jev 问题,然后固定下来,再用奖励和完整执行轨迹改进它。
  • building-with-typesafe-jev - Skill that packs the Choice, Score, and Noul API shapes, confidence thresholds, and 150+ community projects with a code sketch each, so an agent can design without fetching the docs.

浏览器与计算机操作

  • jev-ultrafast - 一次请求同时从索引化的 DOM 表中选出操作和目标元素;小模型只负责写带类型的文本。苏黎世到伦敦的订票用时 7.1 秒。
  • typesafe-computer-use - 对屏幕做 OCR,分类下一步动作,点击;在 macOS 上每步约 $0.0002。
  • mobile-jev - 同样的循环跑在真实 Android 手机上;演示中 21 秒完成九个 Uber 操作。
  • jev-browser by jkudish - 第一个社区版 Jev 浏览器智能体,附演示 GIF。
  • jev-voice-browser - 按说出的每个词在约 300 毫秒内判定意图和目标,往往在句子说完之前就完成。
  • jev-browser by Ying-Kai-Liao - 由 LLM 规划,Jev 决策;含库、CLI 和 MCP 服务器。
  • jev-browser by tontoko - 一个落地的 Jev 加 Playwright 内核,支撑带类型的 SDK、常驻 CLI 和 MCP 服务器。
  • jev-mobile - 通过 USB 连接的 Android 子智能体,运行观察、归一、决策、变更、验证的流程,由 Jev 做决策。
  • jev-ego - 浏览器智能体,每一步花一次 Jev 请求来选定动作。
  • jev-browser-use - Codex 技能与插件,Jev 负责导航、点击和滚动,Codex 保留输入和验证;据称浏览器步骤快 5 到 10 倍。
  • Jev-cu - Codex 的计算机操作,Jev 从屏幕文本中选出元素、动作、完成状态和风险,不发送截图;中文说明。
  • JevScout - 求职技能,通过 CDP 驱动 Chrome,并让 Jev 为每个链接和职位打分。
  • Jev Social - 由 Jev 选择每一步只读的社交调研动作,socai 在真实 Chrome 会话中执行,并把可核查的 Instagram、TikTok 或 LinkedIn 证据汇入报告。
  • jev-use by savka777 - macOS 上的语音和文字电脑操作:Jev 从辅助功能树里选出下一个屏幕操作,不使用截图。
  • jev-mobile by xinwang-nwpu - Android 自动化:一次 Jev 请求同时从辅助功能树里选出操作和目标元素,再经 ADB 执行。
  • jev-browser-use by imanshu03 - 用自然语言指令驱动浏览器任务,走 CDP 或 Vercel 的 agent-browser:Jev 选择操作和目标,代码先校验置信度再执行。
  • jev-gui-delegate - 通过真实的 Chrome 会话或 Windows UI 自动化为 Codex 执行委派的 GUI 任务,每一步由 Jev 选择要操作的控件。

开源模型与复刻

  • SemIf - 在单张 3090 上用开源模型实现语义 if;星标最多的独立复刻实现,前身为 openjev。
  • jevlike - 开源的选项打分器,读取候选项的 logits 而不是生成 JSON。
  • NanoJev - 0.6B 的复刻实现,支持并行决策、动态候选项和端到端训练流水线。
  • openjev-sglang - 基于 SGLang 的 Jev 兼容 API 端点,仅做 prefill。
  • jev-visual - 面向教学的视觉推理变体,跑在 Apple Silicon 上:共享上下文,直接为候选项打分。
  • reflex - 基于 Qwen3.5 的小型开源决策模型:状态加带类型的问题,输出校准后的概率。
  • decider - 从 Qwen3.5-2B 微调而来的单遍带类型决策。
  • jevmlx - 在 Apple Silicon 上为任意 MLX 模型提供并行受约束决策,只需一次前向传播。
  • mini-jev - 在冻结的 Qwen3-4B 上做的预注册实验:读取选项字母的 logits,跳过 JSON。
  • system-one-open - 在 Gemma 4 E2B 和 Gemma 3 270M 上用一次前向传播得到带类型的校准决策。
  • Verdict-open-jev - 基于 ModernBERT 的非自回归决策引擎,带校准的不确定度和浏览器内的 WebGPU 演练场。
  • jevfire - 通过 vLLM API 为 CUDA 上的 LLM 提供并行决策,附游戏智能体示例和基准测试。
  • jevbetter - 更强的单遍打分器,与 jevlike 的起步设计做了正面基准对比。
  • open-alternative-jev - 在 Hugging Face 和 vLLM 上,用任意开源权重模型一次前向传播得到带类型的校准决策。
  • openjev by zhihz - 从上下文、问题和候选答案出发的双语本地决策。
  • jev-on-a-laptop - 在笔记本上用现成的 1.5B 到 8B 模型做 Jev 式决策的研究,附 Hugging Face 演示。
  • typesafe-ai-benchmark - 模仿 TypeSafe 响应结构的 LLM 网关,在等密钥期间可作替身使用。
  • Parallel constrained decoding - Hugging Face Space,在 Qwen2.5-1B 上演示 RLCD 式并行解码。
  • openvons - 开源决策层,对有限选项集给出概率,并分为执行、确认和拒绝。独立复刻实现,不是 TypeSafe 的权重。
  • von - 非自回归开源决策模型,本地报告低于 15 ms,可作为 Jev 的直接替代。
  • litjev - 把任意现成 LLM 变成 Jev 式的决策层。
  • open-jev - 用 DiffusionGemma 做带类型的 JSON 推理,并与 Jev 做了基准对比。
  • kev - Qwen2.5-0.5B 上的 LoRA 适配器与读出头,一次 prefill 回答多个带类型问题;在 MacBook 上两小时内训完,留出集 ECE 0.065,说 TypeSafe 的传输格式。
  • simple-jev - 从任意 Hugging Face 模型读取下一 token 的 logits,用于选择题、评分量表和支持性问题;公开演示 API 无需密钥。
  • OpenJev by razorback16 - 通过 vLLM 在 DiffusionGemma 26B 上运行的 Jev 兼容决策服务器,支持图像,由 Codiv 免费托管。
  • openjev by daseinlabs - 在 Gemma 3 4B 上用 MLX 做一次 prefill,并在一次填充过的传播中为所有选项打分;演示中从终端玩 Doom。
  • jeff by logan-markewich - 基于 400M 的 GLiFormer 自托管的 System One API,基准测试直言它在哪些地方落后于 Jev。
  • JevForge - 端到端技术栈:可审计的数据构建、Qwen3.5-0.8B 训练、固定的 Mind2Web 与 OOD 评测、本地部署,以及初步的 RLCD 基线。
  • PlayJev - 在微调过的 Qwen3.5-0.8B 上仅凭画面玩十款浏览器游戏,每步一次前向传播,开放权重并附浏览器演示。
  • openJev-verdict-2.0 - 151M 的非自回归决策引擎,带 WebGPU 浏览器运行时,在自建基准上报告 77.1% 的 top-1 和 1.44% 的校准误差。
  • LLM2Jev - 把本地语言模型适配到运行时定义的 Choice、Score 和 Noul 问题,返回带概率的带类型答案。
  • local-jev - 与 System One 端点线上兼容的离线服务,已用官方 SDK 验证;在 JevBench 公开题目上报告 80.5%,对比托管 API 公布的 86.6%。
  • Jev-Compatible - 把已有的 SGLang 或 vLLM 部署变成 Jev 兼容决策服务的网关,靠候选 token 打分实现,无需训练,也不改模型。
  • Rizzo Flow - System One 思路的本地优先实现:输入非结构化状态,输出带概率的带类型决策,不生成任何 token。
  • metask-jev - 基于 Qwen3.5 的开放权重带类型决策模型,一次前向输出每个选项的校准概率;在 JevBench 上报告 80.1%,对比 Jev 1.13 的 75.3。
  • AnyJev - 把任意开源 Hugging Face 模型变成通过 vLLM 提供服务的校准决策端点,前两个级别无需微调。
  • ollaya - 拉取并运行 Laya、kev、JevK5 等开源决策模型,通过兼容 TypeSafe 的本地端点提供服务,就像 Ollama 服务 LLM 一样。
  • AgentJev - 基于 Qwen3-0.6B 的决策模型,无需解码 token 即可作答,在公开的 Typed Decisions 基准上报告 79.25% 的 top-1 准确率。
  • Valen - 基于 Qwen3.5 的多模态决策模型,除文本外还能对照图像和视频为候选打分,附训练代码和开放权重。
  • tev1 - 数据配方和训练代码,在 Together AI 上把 Qwen3.5-4B 微调成开放权重的决策模型。
  • JevK5 - 带蒸馏 LoRA 权重的 Qwen3.5 复刻,在 JevBench v1.4 上于 76 个系统中排名第二,开源系统中排名第一。
  • djev - 在 DiffusionGemma 上提供 /v1/systemone,从带种子、固定的画布上读出类型化答案和文本片段,不做生成。
  • OneJev - Open multimodal System One model, 0.8B to 27B, for screenshots, photos, video and text.
  • WaterSheep - Open-weight ModernBERT-base fine-tune that answers Noul, Choice, Score, and multi-label questions with a probability per option, serves /v1/systemone for the official Python SDK, and runs in the browser through ONNX; independent replica, not TypeSafe weights.

代码审查与质量

  • software-factory - 在本地运行多个编码代理,由 Jev 担任评判和调度者。
  • jev-review by devagrawal09 - 分阶段的代码评审工作流,带本地看板。
  • jev-review by NiazMorshed2007 - 本地优先的 MCP 插件,供编码智能体做持续质量评审。
  • foreman - 监管一整座智能体软件工厂,由 Jev 做放行与否的判定。
  • supercov - 给编码智能体的代码质量与覆盖率信号。
  • diffjury - PR 风险路由器与评审教练。
  • clean-code-review - 按 Clean Code 规则评判 PR 中的每个文件,再交由 LLM 复核。
  • JevLint - 可配置的语义 lint,采用文件级的 Noul 判断。
  • commit-miner - 对提交 diff 和提交信息做分类:缺陷修复、带 CWE 的安全修复、变更类型。
  • jev-review-action - 用 Jev 做提交内容评审和 PR 分类的 GitHub Action,链路中没有文本生成模型。
  • jev-triage - 拉取大型仓库,用带类型的 Jev 问题为其 issue 做分诊。
  • perch - 语义 lint:规则用自然语言写,每个文件交由 Jev 评判,可本地或在 CI 中运行。
  • jeff by Alurith - 只读的 Go CLI,按编码规则检查文件,例如隐藏的副作用和薄弱的错误处理。
  • jev-pref - 把你 AGENTS.md 里的偏好变成一个 linter,在代码变更时运行并把结果回报给智能体。
  • jev-commit - 提交前钩子:一次 Jev 调用判断提交信息是否与暂存的 diff 相符,另查调试残留、未提及的改动和凭据带;一律只告警,唯有发现密钥时才阻断。
  • slop-grader - 为文本和 Markdown 文件在 AI 废话、语法和技术文档质量上打分,并引导 AI 智能体自动修复问题。
  • JevPR - GitHub App:让 Jev 判断某个拉取请求可以安全批准还是需要专人审查,再把结论映射为一次 check run。
  • jevopt - C/C++ 编译器驱动:依据 LLVM IR 和原始源码,让 Jev 决定每个可选调用点是否内联。
  • jev-spec - 每次提交都拿代码对照 Markdown 规格里的需求,两者出现偏离时让构建失败。
  • pytest-jev - Pytest 插件:用一次请求让 Jev 判断关于测试文本的若干自然语言断言是否成立,只要 Jev 的把握不到 80%,就让测试失败并列出每条断言的概率。
  • jgrep by kyu1204 - --diff 在 CI 中按英文写成的规则把关 PR,--tests 列出某个 diff 可能影响的测试文件,普通的 jgrep 则按代码的功能来搜索;每个代码块一个 Noul,每次请求 16 个块。

路由与网关

  • tiershift - 把每次 LLM 调用转到能胜任的最便宜模型,策略写在 YAML 里,决策约 180 毫秒。
  • jev-router by prismhq - 构建在 LiteLLM 之上的 LLM 路由器。
  • agent-router - 为一个任务选定 Cursor、Claude Code、Codex 或 OpenCode,连同模型和思考强度,然后启动它。
  • Janus - 在你自己的数据上测量 Jev 何时胜过其他模型,再据此路由。
  • hono-jev-router - 在 Hono 中按语义路由 HTTP 请求。
  • JevRouter - 把模型、子智能体、技能、MCP 工具和 CLI 统一为一个候选集;Jev 挑选,路由器负责权限和风险的执行;据报在 Toolathlon 上前五次工具调用命中率 44%,DeepSeek 为 24%。
  • jev-gateway - 面向 Codex 和 Claude Code 的本地网关,把“下一步用哪个工具”的决策交给 Jev,其余都交给你平常的模型。
  • jev-router by daviddl9 - 在 OMP 和 Pi 中由 Jev 为每一步选择工作模型档位,规划和复核留给强模型,有边界的执行交给更便宜的模型。
  • Jevonian - 本地代理,兼容 OpenAI、Anthropic 和 Responses 接口:每轮只发一次 Jev 调用,为虚拟模型 jevonian/auto 同时决定模型路由和思考级别;代码先按协议、上下文窗口、最低推理强度和已用配额窗口筛选候选,固定模型或显式路由则完全跳过 Jev。
  • neurolink - TypeScript AI SDK,其中通过 Jev 实现的 decide 与 generate、stream 并列:一次类型化判断调用即可路由模型选择、裁剪上下文并挑选 MCP 工具。

搜索、重排与 RAG

  • jev-search - 网页搜索的来源选择、查询理解和相关性排序。
  • blink - 代码库搜索,由 Jev 为候选项打分。
  • reranker - 把 Jev 当作校准过的重排器:一次调用,最多 30 篇文档,每篇给出一个概率。
  • llama-index-jev - LlamaIndex 的重排器与路由器,比 LLM 评判更便宜。
  • jev-tree - 在分类体系上做递归选择,突破 255 个选项的上限。
  • jev-folio-recursive-classifier - 用递归的 Jev Choice、束搜索、按置信度停在叶节点以及上下文长度基准测试,把 OCR 后的法律协议按 FOLIO 文档类型本体分类。
  • neo4jev - 通过对相邻关系做分类来遍历 Neo4j 图。
  • jev-sift - MCP 工具,批量为文件、URL 或片段的相关性打分,让智能体只打开真正要紧的那些。
  • jev-scout - Rust CLI 与 MCP 服务器,针对自然语言请求找出真实且有人维护的仓库和 crate,由 Jev 为候选项打分。
  • jev-semgrep - 用含义而不是正则来 grep:每一行都由 Jev 给出概率,含义之间可以用 AND、OR 和 NOT 组合。
  • jev-search by kylemclaren - 一个 shadcn/ui 注册块:第一次按键就给出关键词结果,稍后由 Jev 重排;调用失败时保留关键词顺序。
  • Senseek - 浏览器扩展:用 Ctrl+F 式的搜索框按含义搜索当前页面,使用你自己的密钥,无需后端。
  • Milvus Search with Jev - 九个可运行的 notebook,把 Gemini 嵌入、Milvus 检索和 Jev 决策结合起来,用于重排、过滤、搜索停止、路由、缓存复用、数据整理、护栏和评估。
  • JevPDF - 在浏览器里按含义搜索 PDF:pdf.js 在本地提取文本行,Jev 以每批 16 行、每行一个 Noul 作答,匹配的行按概率排序并逐页高亮。
  • Jev RAG - Searches local documents with BM25 or hybrid retrieval, reranks candidate passages with batched Jev Noul judgments, and measures seven retrieval pipelines on BEIR NFCorpus.

数据与运维

  • pg-jev - PostgreSQL 扩展,用自然语言回答关于你的表的问题。
  • vgi-typesafe - DuckDB worker,把 choice、noul 和 score 暴露为 SQL 中可做 lateral join 的表函数。
  • jevsql - 在 SQLite 之上带自然语言谓词的 SQL:按语义过滤、排序和分类行,支持批量并有成本保护。
  • sqlite-jev - 通过可加载的 C 扩展和 Python 封装,给 SQLite 加上 Jev 的 Noul、Choice 和 Score 判断,提供标量函数和批量虚表查询。
  • jevlogs - 在为 LLM 分析付费之前先给 OpenTelemetry 日志的信号量打分。
  • jev-curate - 以每秒 1500 行以上的速度筛选 Parquet 和 JSONL 训练数据。
  • HA-Jev - Home Assistant 集成:问一个关于你家的问题,得到一个概率、选择或分数作为实体。
  • typesafe-migration-guard - 在数据库迁移执行前审查其安全性。
  • jev-for-engineers - 来自机械和电气工程的八个小例子:CAD 布线、FEM 分诊、DFM 筛查、BOM 对齐。
  • jlink - 按一条用自然英语写的匹配规则在两个数据集之间关联记录,可从 Python、shell、Stata 或 R 调用,在 NBER 专利受让人对 Compustat 的任务上报告 F1 0.73,调优过的字符串匹配为 0.69。
  • pg_typesafe - 用 Jev 做类别分类的预览版 PostgreSQL 扩展。
  • jev-mode - 基于带类型判断模型的工单分诊和文件打标;据报 token 减少 78%,准确率 96.1%,基线为 93.7%。
  • jev-reviewer - 通过语音、文本或问题文件向临床试验报告索取系统综述所需的数据;每个答案都是带出处文件和位置的原文引用。
  • tax-doc-classifier - 每页一个请求,在 261 种 IRS 表单和七类页面中做选择;在其语料上报告 100% 准确率,每页 $0.001,比它取代的 LLM 流水线便宜 34 倍。
  • jevql - 面向 PostgreSQL 的语义 SQL,由 Jev 回答其中的谓词。
  • duckdb-jev - DuckDB 扩展,向每一行提一个问题并返回真正的 SQL 类型。
  • invalidate - 给每条存下的智能体记忆一个租约,并询问 Jev 新证据是否让它失效;在线演示。
  • jevgraph - 在本地解析 PDF、DOCX、PPTX 或文本,对每个候选实体对向 Jev 提出一个闭集关系问题,并把带逐边概率和页面证据的图导出为 JSON、CSV 或 Neo4j。
  • jev-ultralightspeed - 把 32 条内容打包进一次请求做批量分类,并校准把最不确定的行交给人工的置信度阈值,报告每秒 533 条、与人工标注一致率 89.2 个百分点。
  • jev-seo by AgriciDaniel - 爬取网站,对照 52 条 SEO 规则检查,由 Jev 评判每个页面,并生成 PDF、电子表格和 Markdown 报告。
  • JevSpan - Zero-shot named entity recognition for Chinese and English: code proposes candidate spans at punctuation and Jev choice questions nominate, verify, and fix the boundary of each entity; reports 73.7 average strict F1 on 12 NER benchmarks against 72.1 for Qwen3.8-27B.

安全、内容审核与校验

  • jev-shield - 语义化的 MCP 防火墙,筛查每一次工具调用、结果和描述;据报拦截召回率 94%,每次检查约 $0.00002。
  • jev-guard - 面向 Claude Code、Codex、Cursor、Gemini CLI、Pi 和 OpenCode 的自动模式:为每次工具调用打风险分并归为拒绝、询问或放行,同时标记结果中的提示注入。
  • Jev-Moderation-Bot - 带可编辑规则的聊天内容审核。
  • citation-verifier - 被引论文是否支持引用它的那句话?由 Claude 找出原文,Jev 打分,人来定夺。
  • human-compiler - 贴入文本,得到诊断信息,像给散文用的编译器。
  • snifftest - 针对 AI 写作痕迹的散文 linter:可计数的规则加一个判断模型。
  • riff - 给写作用的 Ruff 风格规则编号。
  • jev-secret-detection - 测量 Jev 在文件片段中识别真实凭据的效果,形似配置的难例单独计分。
  • jev-audio-beeper - 低延迟音频消音的概念验证:由 Jev 的带类型决策驱动 ffmpeg。
  • is-malicious - 在你运行代码库之前扫描其中隐藏的或窃取数据的行为;报告干净并不等于证明安全,它也这么说。
  • tripwire - AI SDK 中间件与代理,在用户看到之前对每个 LLM 响应跑七项 Jev 检查;目前还没有准确率数字,它也这么说。
  • SkillCheck - 在安装前把智能体技能的文本发给 Jev,返回带分类得分的结论,全程不把技能载入智能体上下文;提交的文本不会做密钥脱敏。
  • StopSpam - Telegram 机器人:按带校准置信度的分类,从群聊里删除垃圾信息和诈骗消息。
  • Fake / Real - 一个英语和罗马尼亚语的事实核查网站,用 Jev 对照引用摘录核查说法;公开的是集成示例,完整应用闭源。

应用与扩展

  • unclutter - 浏览器扩展,用可复用的模板规则移除页面杂物。
  • typesafe-adblock - Chrome 扩展,逐个 DOM 节点询问“这个元素是广告吗?”;是个玩具,它也这么说。
  • vibecheck - 在你按下发布之前给你的 X 帖子做个氛围检查。
  • xtags - 给你 X 时间线上的每条帖子标注它想让你做什么。
  • jevibe-check - 为 Bluesky 的帖子和草稿实时标注语气。
  • jevmeter - 给任意视频加上实时仪表:每句话按五个问题打分,渲染成 16:9 的成片,一整场辩论约两美分。
  • killmyidea - 描述你的创业点子;Jev 告诉你该毙掉、该改,还是该发。
  • notra - 把工作变成内容,由 Jev 决定什么值得发。
  • slidepilot - 基于 Cloudflare Agents 的 Slidev 语音驱动自动翻页。
  • should-ai-kill-us-all - 每十分钟拿真实头条向 Jev 问一次这个问题。
  • Privacy Facts - 把隐私政策变成营养成分表式的标签,配以自然语言答案、Jev 的置信度分数和建议的出处条款。
  • jev-voice-control - 菜单栏 Swift 应用,把语音命令转成 Jev 的带类型决策和 macOS 动作。
  • jev-got - 《权力的游戏》角色扮演,由故事模型写每一幕,Jev 回答五个带类型问题,驱动标题、配乐、画面和下一个提示词。
  • typesafe-jev - Jev 实验合集,从本地简历筛选工作台开始,每个都有各自的实测结果。
  • super-jev - 把证据、Jev 判断、允许的动作和已验证的结果串起来的小型载体。
  • safer-with-jev - 面向 Neon AI Gateway 的 Neon Function 代理,前置 Jev 路由。
  • Sponsor Skip - Chrome 扩展,从字幕或实时音频中找出口播广告并跳过;所有时间戳都由代码掌控,字幕模式下每小时不到一美分。
  • jev-seo by AkashPriyadarshii - 面向 SEO 和 GEO 检查的 Rust CLI 与 MCP 服务器,基于 DuckDuckGo 结果,由 Jev 打分。
  • jev.nvim - Neovim 插件:用自然语言向缓冲区提问,Treesitter 把它切成函数,Jev 为每个函数打分,答案按概率排序落入 quickfix。
  • jev-skip - 浏览器扩展,读取字幕轨道并在片头结束前把每段的赞助概率画在进度条上,不依赖众包数据库;在 23 个视频上报告捕获了 SponsorBlock 赞助秒数的 77%,每个视频 $0.0008。
  • openpoke-meets-jev - OpenPoke 分支,把邮件筛选、工具调用护栏和搜索重排序移到 Jev 上,附带与被替换的 Sonnet 调用的 A/B 对比,以及对注入门控的对抗测试。
  • Jevmail - 只读的 Gmail 分拣:每封邮件问 Jev 三个问题,归入五个收件格之一,并给出紧急度分数。
  • jev-mail-classifier - 由配置驱动的收件箱分类,可打标签、移动、标记和通知,直连 TypeSafe 或走 OpenRouter。
  • crush-monitor - 在本地读取聊天记录,为每条消息从 12 类情绪和 35 类意图中各标出概率最高的三项。
  • Jev Voice - 对 macOS 说话:本地 whisper.cpp 转写,一次扇出的 Jev 调用选出操作及其带类型的参数,再由代码执行。
  • dasheng - 朗读英文并看到评分:流式 ASR 负责听,Jev 逐词判断,总分由代码算术得出。
  • Jev Chat - 聊天形态的命令栏:由 Jev 选择工具、参数和回复形式,代码再用工具自身的数据拼出回答,全程没有模型写文本。
  • jev-riffs - 从 MIDI 旋律中挖掘重复动机,用一次批量 Jev 调用给所有候选打分,并在钢琴卷帘上高亮和播放胜出者;在管弦乐版《天鹅湖》上,排名第一的动机正是天鹅主题。
  • shapeshift - 输入时把一个文本框变成对应的卡片,由一次并行 Jev 调用判断;未设置密钥时回退到关键词匹配。

游戏、机器人与仿真

  • typesafe-mario - 从结构化的模拟器状态出发玩《超级马里奥兄弟》;Jev 直接选择 NES 手柄输入。
  • jev-drone - MuJoCo 中仅用摄像头的无人机,Jev 以 2.5 Hz 在回路中。
  • tsai-sc - 通过键盘和鼠标玩初代《星际争霸》共享版,动作概率全程记录。
  • tsai-civ2 - 浏览器中的《文明 II》,完整对局的载体,动作概率实时显示。
  • heist-one - 潜行游戏,Jev 负责守卫的判断,确定性代码掌控世界。
  • typesafe-snake - 每一帧一次 Choice;合法走法和事实由代码生成。
  • jev-doom-agent - 浏览器原生的 Doom 智能体,带结构化空间状态和实时决策遥测。
  • OneVOneJev - 用 Three.js 做的 1v1 快速狙击竞技场。
  • JevPlaysPokemon - 通过 Showdown 和一份真实的 FireRed ROM 玩第三世代宝可梦。
  • jev-askable-arm - 在仿真的 Franka 机械臂上零样本执行英文目标;Jev 把写死的原语串起来。
  • quackd - 面向 LLM 驾驶机器人的命令行,覆盖七种本体,带可选的 Jev 步进器,只在若干调用之间做选择,从不直接写关节角。
  • snake-jev - 由并行的 Jev 评估操控的贪吃蛇,每帧一次 API 调用。
  • JevPilot - Three.js 驾驶模拟器,Jev 每秒最多四次从采样路径中选出转向和速度;上手开。
  • live-jev - 浏览器里的俯视视角汽车,每 200 ms 发出四个带类型的问题,覆盖逻辑由代码按置信度门禁执行。
  • jev-plays-pokemon-red - 在 PyBoy 上玩《宝可梦红》:路线和算术由代码掌控,Jev 只在分支处做选择,每个战斗回合都记录一条倒下预测,并用 Brier 分数对照 RAM 的实际值。
  • clashroyale-jev - 用 Jev 玩《皇室战争》:Qwen 识别战场,本地 OpenCV 识别手牌和圣水,Jev 选择出牌和落点。
  • Astra and JEV Minecraft agent - 在原版服务器上击杀末影龙:前沿模型负责规划,Jev 选择每一个玩家动作;记录在案的那次运行用了 131 次 Jev 决策和 35 次规划调用。
  • EmbodiedJev - 在浏览器里做 MuJoCo 具身实验的工作台,机器人的每一步都是看得见的 Jev 决策,背后可接本地模型或云端 API。
  • jev-connect4 - 四子棋:同一个模型可切换九种提问策略,每个回答都在实时检查器中对照引擎的标准答案评分,对局器每分钟下 100 局;仅改变表示方式就让胜率变动了 52 个百分点。

金融与交易

  • jev-trader - 在 Monad 的每个区块做一次交易决策,标的为 Kuru MON-USDC,每次约 300 ms。
  • trade-jev - 在 NQ 订单簿数据上回测把 Jev 当作买入、卖出或持有的交易者。
  • Jev-Trades - 带回测的加密货币交易机器人。
  • jev-trade - 运行在 Hyperliquid 上的实盘 Jev 交易者。
  • beebots - 在 OKX 永续合约上运行三个由 Jev 驱动的交易机器人,带实时仪表盘,默认模拟交易,真实资金需显式开关才能启用。

基准、评测与校准

  • jev-benchmarks - 面向带类型决策模型的概率感知评估:校准、选择性风险、延迟,可复现。
  • jevcal - 别再猜阈值了:对照一个 LLM 教师做校准、定阈值和漂移检查。
  • jev-harness - 置信度门禁、影子模式、配方和评估;在同一个行过滤任务上报告 Claude CLI 用时 48.9 秒,Jev 用时 1.3 秒。
  • jev-rerank-bench - 在 14 个数据集上把 Jev 与 Cohere Rerank、ZeroEntropy 和一个聊天基线作对比,附原始响应。
  • jev-search-rerank-eval - Jev 重排能胜过向量检索吗?9,831 对评分样本,并测量了评判循环性带来的偏差。
  • jev-sec-bench - 针对提示注入和漏洞代码检测的盲测基准。
  • jev-phishing-bench - 在 2,000 封钓鱼邮件上把 Jev 与 Claude Haiku 作对比:准确率、校准、延迟、成本。
  • jev-spam-eval - 用 Noul 问题做零样本垃圾邮件过滤,对照 TF-IDF 基线。
  • jev-agent-failure-benchmark - 在 Who and When 智能体失败归因基准上把 Jev 与一个强力 LLM 作对比。
  • jev-korean-benchmark - 韩语理解与医学文本,附运行时间与成本证据。
  • jev-behavior-study - 在 jev-1.13.0 上做的受控提示词实验,含原始结果和离线验证。
  • jev-report - 独立的中文研究报告:52 页,50 项可复现测试,143 行可追溯数据。
  • jev-benchmark - 两项基准测试,国际象棋和猛兽辨识,一项在 Jev 的能力区内、一项在区外,都附结果。
  • jev-dspy-lab - 针对 DSPy 中 Jev 决策的可复现校准与选择性风险基准测试。
  • jev-eval-agent - 带 100 个模拟工具的个人助理智能体,测量受 Jev 门禁的智能体需要多少步。
  • jev-synergy-screening - 用 Choice 和 Noul 问题做摘要筛查,对照 ASReview SYNERGY 的金标准标注计分。
  • jev-orderby-bench - 衡量按 Jev 概率做 ORDER BY 是否站得住脚:成对逆序、Score 与人工评级的序数一致性、校准,以及预注册门禁下的措辞不变性;在 20 Newsgroups 主题上通过,在 Amazon ESCI 商品相关性上六项条件中有四项不通过,并表明通过 DuckDB 扩展做 40 行批量状态会不通过排序门禁,而每请求一行则通过。
  • cultivar - Pinecone 的技能测试 CLI,带 Jev 评分后端,据报比 LLM 评分器便宜约 30 倍。
  • jev-eval by 4esv - 在三项带标注的任务上把 Jev 与 GPT-5.6 Terra 作对比:简单任务打平,77 路路由低 6.7 分,速度快 5 倍,成本低 41 到 50 倍。
  • jev-benchmark by themsquared - 工具调用风险分类,附多次运行的方差;每一个错误答案都伴随着含糊的置信度。
  • jev-research-eval - 基于钉住的 jev-ultrafast 提交的可复现载体,含基线套件和压力套件。
  • jev-playground by hegargarcia - 在状态明确、合法动作明确、结果可衡量的游戏中把 Jev 与其他模型作对比。
  • JevArena - 在线竞技场:让 Jev 与你接入的对手裁判对战,先投票再揭晓谁是谁,并给出延迟、成本来源和模型自报的置信度;投票记录的是偏好,不是经过验证的正确性。
  • JevBench - 面向 Jev 类决策模型的基准:输入有边界的评分标准,输出每个选项带概率的带类型答案,级联和委员会实验另行报告。
  • jev-align - 找出 Jev 函数最不确定的样例,请你标注,再用 GEPA 改进这个函数。
  • jev-fanout-bench - 测量一次 Jev 请求的计费方式,以及答案在批处理、翻译和改写下是否稳定,基于 3,455 次计费请求,原始日志公开。
  • jevals - 把一条 trace 的代理、质量和安全评估作为一批类型化 Jev 问题一次运行,取代多次独立的 LLM 评判调用。

演练场与演示

  • typesafe-playground by TypeSafeAI - 110 个用例、游戏和模型挑战,提示词可编辑并支持 A/B 对比;这是社区组织而非厂商,前身在 BunsDev 名下。
  • typesafe-playground by kavehmz - 从客服路由到带可见传感器输入的 3D 驾驶模拟。
  • jev-experiments - Nader Dabit 的 Jev 小实验杂货铺。
  • TypeSafe Typewriter - 十六项带类型判断随你打字实时更新,跑在 Val Town 上。
  • Yes / No - 问一个问题,得到是、否或也许,必要时会联网搜索;无需注册。
  • Jev Pac-Man - 迷宫表示为 JSON;Jev 在每个路口选择转向。
  • Jev Tetris - 根据空洞数、堆叠高度和凹凸度选定旋转和落点列。
  • Hollow Creek - 村庄 NPC 每一帧都在评判你,而不是和你聊天。
  • Crowdcheck - 在发布之前拿 10,000 个合成人格测试你的帖子。
  • Magic-8-Jev - 问一个问题,用一次 choice 从二十个答复中选出回答,并显示从点击到答案的延迟;在线演示。
  • typesafe-ai-playground by markjaquith - 围绕 Jev 做实验的 Rust CLI 演练场。
  • jev-playground by wustep - 一个 System One 模型能否仅凭带类型的分类、打分和挑选决策来引导一段音乐创作。
  • typesafe-jev-workflow - LangGraph 演示,把一封模拟邮件发给 Jev,并按它返回的带类型 Choice 做路由。
  • jev-little-airways - 拿来展示的 Jev 能力研究。
  • jev-demos - 为测试 Jev 擅长什么而做的演示。
  • Jev Classifier - 托管演示,按类型、质量、情绪和语气给帖子归档。
  • Jev Guard demo - 托管的评论审核演练场。
  • Companion - 托管的机器人界面,每回合回答九个带类型问题来决定执行、追问还是摊手,不生成任何文本。
  • Jev System One - 终端界面,由 OpenAI 作答,Jev 单独为相关性、可靠性和质量打分。
  • jev-web-analyzer - 把 SaaS 落地页转成 Markdown,向 Jev 提十个有界的 Choice 问题,判断首次访客能理解什么,并以创始人视角的拆解呈现。
  • hn-thread-judge - 用 Jev 逐条读完 Hacker News 上讨论最多的帖子,把每个帖子归结为一个结论,由 Postgres 实时提供。
  • 1 Million Emojis - Shared 1000 × 1000 emoji canvas where Jev joins each stroke with one Choice over named emoji and square pairs, its pick sampled from the probabilities; paint on it.

命令行

  • jev-axi - 给智能体和人用的 shell 动词:pick、rate、check、rank、triage、guard。
  • semdecide - 给 Unix 管道和 CI 用的带类型语义决策。
  • every - 向代码库里的每个函数问一个是非题;把模式换成问题的 grep。
  • typesafe-cli - 从 shell 里以数字形式取得 noul、choice 和 score 答案。
  • jev-shell-history - Fish 风格的 zsh 历史补全建议,由 Jev 排序。
  • jgrep - 打印符合一段自然语言描述的行,可在花费上限内从 tail -f 流式处理;在短信垃圾检测上报告 F1 0.91,而关键词 grep 为 0.72。
  • jev-cli by jtsang4 - 输入带类型的问题,输出结构化的 JSON 答案。
  • jev-cli by tumf - 零依赖的 Python CLI,封装 Choice、Score 和 Noul。
  • jevctl - npm CLI,密钥存在操作系统钥匙串里;从 shell 获取带类型的判断。
  • watfile - 把 PDF 和文本文件分类归入对应文件夹,每份文档一个 Jev Choice,也可改用本地的 Laya 后端。
  • jeq - 在 JSON 和 NDJSON 上以管道方式组合 Jev 判断,提供 map、reduce、rank 和 rate,再通过显式的离线闸门应用策略。
  • jevgrep by allebee - 按含义过滤日志行和其他文本流,每行一个 Noul、以微批次发送,可从 tail -f 流式处理,并沿用 grep 的参数和退出码。
  • jevgrep by dzhng - 向 Jev 询问哪些声明能回答关于仓库的自然语言问题,从而为编码代理找出所需的文件、声明和原文摘录。
  • webctl - 为代理搜索网页,并让 Jev 对结果和页面片段打分、去重,只把相关文本交给模型。

社区客户端

  • jev-go - Go 客户端,返回带类型的判断和概率。
  • Milvus Model - 重排序包,其 Jev 适配器在一次请求中把每个候选文档作为 Noul 问题发送,按返回的概率排序并保留原始索引;已随 v0.3.4 版本发布。
  • typesafe-go - 符合 Go 习惯的 TypeSafe API SDK。
  • typesafe-ai - Rust 客户端,提供异步和阻塞两种后端以及可观测的重试。
  • typesafe-ai-rs - 独立的异步与阻塞 Rust SDK。
  • jev - 为 OTP 打造的 Elixir 客户端:从 GenServer 回应 Jev 并对答案做模式匹配。
  • typesafe-sdk - Ruby 客户端。
  • ruby_llm-typesafe - 把 TypeSafe 作为 RubyLLM 2 的结构化输出提供方。
  • laravel-typesafe-jev - Laravel 集成,带类型响应、异步请求和测试替身。
  • typesafe-sdk-java - Java 客户端。
  • typesafe-sdk-swift - Swift 客户端。
  • TypeSafeAI.Net - .NET SDK。
  • zio-typesafe-ai - 基于 ZIO 的 Scala 客户端。
  • jev-dsl - Haskell DSL,带类型的数据包和推断出的答案类型。
  • advocaat - 小巧的 TypeScript 客户端,用来对你自己的数据提问。
  • jod - Jev 之上的 Zod 风格 schema:先在本地校验状态,再投影出带类型的答案。
  • n8n-nodes-typesafe-ai - n8n 社区节点,支持是非题、选择题和打分题。
  • jevclient - 异步 Python 客户端,输出概率和选择,没有散文需要解析。
  • s1-rs - 把 Rust 的 enum 和 struct 变成 Choice、Score 和 Noul 问题,答案在编译期受检并按置信度设门禁。
  • typesafe-rs - 延迟优先的 Rust 客户端,已发布到 crates.io。
  • kunobi-jev - 面向 System One API 的 Rust 客户端。
  • jev-go by Stumble - Jev 的 Go 客户端。
  • typesafe-ai-rails - 构建在社区 Ruby gem 之上的 Rails 集成。
  • typesafe_sdk by nshkrdotcom - TypeScript AI SDK 的 Elixir 移植版,带一个 TypeSafe 提供方。
  • ruby_decision_model - 面向决策模型的 Ruby 客户端,把 OpenRouter 和 TypeSafe 提供方收在同一个接口后面,仅用标准库。
  • zod-jev - 带语义规则的 Zod 4 schema:结构校验留在 Zod,语义校验一次请求发给 Jev,再以 Zod issue 的形式返回。
  • typesafeai-dotnet-sdk - 社区版 .NET SDK,支持带类型的 Noul、Choice 和 Score 问题。
  • typesafe-sdk-go by Tangerg - 无第三方依赖的 Go SDK。
  • swift-typesafe - Swift 6.4 SDK,沿用 Python SDK 的 API,支持 Apple 平台和 Linux。
  • typesafe-sdk-php - PHP 客户端,支持同步调用、Guzzle promise 和 PSR-3 日志。
  • jev4k - Kotlin DSL 和客户端。
  • JevSharp - 面向 Jev 决策的 .NET 10 SDK,支持 TypeSafe、OpenRouter、Vercel AI Gateway 及兼容端点。
  • hunch - 把 Choice、Score 和 Noul 问题变成作用于列表和 DataFrame 的 Python 函数,支持去重、缓存,并可把没把握的行升级给一个必须从同一组标签中选择的 LLM;TypeScript 移植版以 hunch-jev 发布在 npm 上。

文章与演讲

发布报道

独立测评

长文与推文串