Jev 开源项目图鉴

用于 Jev System One 问题的 Rust 客户端、CLI、TUI 和评估工具。

用于 TypeSafe Jev 结构化 AI 决策的 n8n 社区节点。

终端 Gmail 客户端，Jev 负责分拣邮件并审阅回复。

单次前向传播的技能路由器，缩减 OmO 系统提示中的技能目录。

面向 Claude Code 的二元审批闸门，由 TypeSafe Jev 审查。

通过 OpenRouter 为 TypeSafe Jev 模型提供 Python 决策网关和 MCP 服务器。

用 Jev 判断审计 rpiv-todo 看板漂移的 Pi 扩展

用 System One 决策模型自动批准常规 Bash 命令。

Pi 扩展：将 TypeSafe Jev 判断暴露为五个 pi 工具。

免训练、基于 Qwen 的 Jev 类型化决策。

用 Jev 屏蔽内容而非网站的 Chrome 扩展。

LLM 规划，Jev 选择每个浏览器操作，Playwright 执行 Salesforce Setup 步骤。

非生成式决策模型能否引导智能体穿过小网格？

面向 TypeScript 和 Python 的策略约束模型路由。

Three.js 无人机模拟器，带 Python 后端和实时 TypeSafe Jev 导航。

将 TypeSafe Jev 暴露为类型化 evaluate 工具的 MCP 服务器。

用分类器而非LLM将Markdown转为Sanity文档。

JEV 测量，代码决策：为 30X 提供动态聚类与风险预警。

使用Jev证据的AI代理工具调用运行时授权网关。

通过 adb 驱动 Android 手机的 MCP 服务器与技能。

面向智能体的有界辅助决策与原文导读工具。

使用类型化 Jev 决策的《辐射：新维加斯》监督式 Python 智能体控制器实验。

音频原生Jev形决策模型，直接从语音，无需ASR。

为 TypeSafe Jev 提供有证据支持的使用案例、模式和入门代码。

精选基于 Jev（TypeSafe AI 的类型化决策模型）构建的演示和项目。

LLM 生成与推理；Jev 决策、路由与验证。

使用 TypeSafe Jev 进行零样本废物检测和 RA 9003 垃圾分类。

使用 TypeSafe Jev 根据元数据过滤 B站推荐。

为 Claude Code 工具执行提供 TypeSafe Jev 语义护栏。

安全的类 Python ComfyUI 脚本节点，支持 System One AI 决策。

面向 System One 游戏模型的工业级决策基座。

为循环调用 Jev 的代码提供速率与支出限制。

自托管的混合记忆 MCP 服务器，在 Cloudflare Workers 上运行 JEV 推理层。

Doom 在 Claude Code 窗格中自动游玩：Jev 选目标，Claude 解说。

Godot 4.7+ 插件，封装 Jev HTTP API 用于游戏状态决策。

每日 cron 用 Jev 将公开招聘职位与一份简历打分。

使用 Jev 实现快速意图路由的 Home Assistant 对话集成。

使用 TypeSafe Jev 和本地视觉模型检测 MRI 扫描中的病灶。

测量何时使用 Jev，然后据此路由。

每个功能都是一次 Jev 类型化决策的 Discord 机器人。

用 TypeSafe Jev 对每个提示评分，并设置 Claude 的努力级别。

粘贴你的帖子，看120位读者用Jev的校准概率实时反应。

每日演示：用 Jev 为西班牙官方公报打分。

决策优先的 CSV 清洗，修复经 Jev 门控且可审查。

面向 agent 的 Jev 命令行：类型化问题，校准概率。

Jev 以概率判定云服务名称归属。

用 Jev 为编码任务把关 Conductor 路由。

Jev 上手记录：概念、5 个 demo、可复现压测。

用于试验 Typesafe.ai 的 Jev 的本地优先桌面工作台。

Jev 的 choice、score、noul 决策的强类型 Rust 驱动。

Jev 与 LLM 在医学幻觉检测上的预注册对比。

Jev 只选枚举标签；代码渲染乐谱、音频和 MIDI。

用 TypeSafe Jev 做简历-JD 初筛：原子问题、判据 v1→v3 校准。

Jev 自动为每条 Claude Code 消息选择推理力度。

使用 Jev 对 AI 命令进行分类的 Neovim 意图路由器。

使用 Jev 协议裁判的实时智能体可观测性。

类型安全的异步 Rust 客户端，用于 TypeSafe System One 评估 API。

Jev（TypeSafe AI 的 System One 模型）的可运行示例。

发现 LLM 决策调用，转换为 Jev，并在实时流量上影子测试。

Jev 与 GPT-4.1 作为合成调查受访者在 Twin-2K-500 上的对比。