基于 Jev 校准判断的 OpenCode 逐字上下文剪枝。
- Jev 是主角: 片段中有提及
- 提及测量数据: 片段中未检出
- 提及不确定性处理: 片段中未检出
- 提及可运行工具: 片段中有提及
与 Jev 相关的开源工具、实验和集成目录。筛选在你的浏览器里完成。
2112 个项目 · 更新于 2026年11月4日
卡片标记来自模型对仓库元信息、已有摘要与 README 前 700 字符的判断:✓ 有提及,— 未检出,? 未判定。未检出不代表项目没有该能力,本站也未逐一运行这些项目。
共 2112 个,当前显示 60 个 · 第 10 / 36 页
基于 Jev 校准判断的 OpenCode 逐字上下文剪枝。
用滑块而非标签浏览的 AI 评分照片画廊。
为 Pi 自动清理 Jev 上下文,并可取回原始输出。
屏幕时间应用,阻止无限滚动,而非网站。
SO-101 机械臂工作台,用 Jev 决策运行器选择有界关节步进。
用 Jev 给 LinkedIn 帖子打分的 Chrome 扩展,检测烂文风。
为 SQLite 提供基于 TypeSafe Jev 的批量自然语言判断。
快速 System One 模型为每个提示选择正确的 LLM。
用于 TypeSafe AI (Jev) 判断的设计时 MCP 和技能。
为 TypeSafe Jev 的类型化、带置信度答案提供的 WordPress 连接器。
社区维护的 TypeSafe AI System One (Jev) API Java SDK。
围绕 Jev(TypeSafe 的 System One 模型)进行实验的 Rust CLI 游乐场。
追踪一张拖入图片如何经过 Florence-2、三个 Jev Choice 问题和游戏行为,并核对超时、置信度与测量边界。
用于实验 Jev 的 SvelteKit 工作台和 CLI。
首个面向 Jev 类决策模型的中文校准基准。
System One 决策模型的 Rust 运行时。
Jev(TypeSafe AI 的 System One 决策模型)资源精选列表。
用 Jev 分类 CI 测试失败并自动分流处理。
基于 Jev 的多维度写作质量检查器,每项检查独立命名。
面向 LLM 应用的小型本地裁判:在 CPU 上给出校准决策。
注册 jev_ask 的 DSH bundle,用于 TypeSafe Jev 类型化回答。
为 DeepSeek Harness 中的人类回答提供 Jev 第二意见。
面向 TypeSafe AI Jev 类型化决策的社区 .NET 10 客户端。
非官方 Claude Code 插件,用 TypeSafe Jev 核查“完成”声明。
Jev 1.13.0 行为独立研究:发现与失败。
为 Claude Code 和 Codex 提供的 Jev 驱动浏览器技能。
十个可运行的 Jev 示例,用于代理决策。
使用 TypeSafe AI 实现国际象棋走法、评估、角色对手和游戏分类。
用可复现证据审计 TypeSafe Jev 的校准声明。
TypeSafe AI 的 Jev System One 模型的无依赖 Go 客户端。
面向交易所充提的实时风控分诊网关,Jev 只做分诊层。
测试 TypeSafe Jev 作为快速、廉价的 LLM 裁判替代方案在代理护栏中的表现。
面向 Jev 类型化概率判断的评估优先 MCP 服务器。
通过 Jev 提供类型化概率决策的 MCP 服务器。
直接选择答案的医疗问答,无需生成。
轻量级 .NET 客户端,调用 TypeSafe AI 的 Jev 返回校准概率。
Jev 选择合法的 NetHack 动作;循环中无 LLM。
Jev 门禁:写专利前 300ms 先查事实。
Jev 用于仓库机器人车队事件分类和边缘成本分析。
使用 TypeSafe Jev、正则和分词在文本中查找 PII 的 CLI。
用于 Jev AI 治理规则的 Policy-as-Code YAML SDK。
面向 QA / SDET 工程师的 Jev(TypeSafe AI)演示
在 RAG 管道的检索与生成之间加入类型化决策的准确性层。
可复现的 Jev Ultrafast 研究浏览器任务评估工具。
简历分析:用类型化 Jev 判断评估内容、结构与职位匹配。
决策优先、兼容 OpenAI 的 AI 路由器,由 Jev 类型化决策驱动。
为 MCP agent 提供 Jev 评分的可观测网页研究
针对 Jev 的盲测安全基准:提示注入与漏洞代码。
用于构建 TypeSafe Jev 的 agent 技能和示例。
为 X 和 LinkedIn 信息流打分的 Chrome 扩展,识别 AI 垃圾内容
使用 Jev Noul 问题进行零样本垃圾邮件过滤,并与 TF-IDF 基线对比。
基于 Jev 的四个决策质量工具:Jev 回答,代码决定。
使用 Jev 作为 LLM 审查器之上的毫秒级决策层,实现自动化 PR 审查流水线。
聊天应用,Jev 将每个词作为多选题来选择。
使用 TypeSafe 的 Jev 模型为 Thunderbird 提供 AI 邮件分拣。
将 Jev 的校准决策放入编码代理工具箱的 CLI 工具包。
ESP32 上的 Jevlike 边缘路由器
在 token 预算内使用 Jev Noul 选择带来源链接的证据。
非官方 Laravel 集成,为 TypeSafe Jev 提供类型化响应和测试假件。
通过 Jev 提供类型化决策、OCR 和招牌验证。
没有项目符合当前筛选条件。