SDKs und Framework-Integration

Fundamentale, technische, Nachrichten- und Stimmungsanalysen werden mit Forschungsdebatten sowie Händler- und Risikomanagementrollen verbunden. Mit TYPESAFE_API_KEY entfernt Jev sachfremde StockTwits- und Reddit-Beiträge und ordnet deren Haltung ein; ohne Schlüssel werden sie ungefiltert weitergegeben.

Das Framework verbindet Modellschlussfolgerungen und Werkzeugnutzung mit Kontextverwaltung, Ereignisströmen, Speicher und Berechtigungssteuerung. JevClassifierModel integriert den Jev-Klassifikator über das TypeSafe SDK in dieses allgemeine Agentenframework.

Entwickler legen erlaubte Komponenten und Aktionen fest, damit erzeugte Oberflächen dem eigenen Katalog und Schema folgen. Die experimentelle Kompositionslogik im Playground bewertet mögliche Komponenten mit typesafe-ai/jev und erstellt daraus eine UI-Spezifikation.

Die selbst betriebene Plattform umfasst Python-Strategien, Backtests, simulierten Handel, reale Ausführung und Überwachung. Jev bewertet Order, Strategie, Exposition, Positionen und Budget und liefert typisierte Entscheidungen samt Wahrscheinlichkeiten für den Einstiegsfilter.

Vorgefertigte Modelle und Feinabstimmung ermöglichen Ja/Nein-, Auswahl- und Bewertungsfragen zu gemeinsamem Text. Die API folgt TypeSafe System One, sodass das TypeSafe Python SDK einen lokalen Kev-Server ansprechen kann.

Die npm-Bibliothek und das Claude-Code-Plugin verdichten den Verlauf durch Entfernen von Werkzeugdaten, ohne Gesprächstext umzuschreiben. Jev beantwortet getrennte noul-Fragen für Aufruf und Ergebnis; Schwellenwerte bestimmen Beibehaltung, Kürzung oder Entfernung des Paars.

Anweisungen, Werkzeuge, Skills, Kanäle und Zeitpläne liegen in festgelegten Verzeichnissen, sodass Agenten sich prüfen und erweitern lassen. evaluate nutzt eves Modellauthentifizierung für typisierte Fragen über einen Zustand; standardmäßig wird Jev verwendet.

Die native CLI bietet interaktive Shell, Skriptanfragen und Einbettung sowie Skills, MCP-Server und Unteragenten. Jev erhält Prüfrichtlinie, Kontext und ausstehende Aktion und liefert clear oder caution an die Berechtigungsverarbeitung.

Der Assistent für mehrere Anbieter läuft auf Linux, Windows und macOS und umfasst Chat, Agenten, RAG und Werkzeuge. Das Jev-Plugin bietet jev_evaluate(state, questions) und gibt Choice-, Score- oder Noul-Ergebnisse an das aktuelle Modell zurück.

Es liefert Konventionen und Instrumentierung für KI-Anwendungen, einschließlich Modellaufrufen, Retrieval und externen Werkzeugen. Die TypeSafe-Integration erfasst systemOne als Spans mit JSON-Ein-/Ausgaben, Modell und Tokenverbrauch; Beispiele decken Choice, Noul und Score ab.

ollaya lädt offene Entscheidungsmodelle anhand ihres Namens und verarbeitet typisierte Fragen über einen lokalen Dienst. Das unabhängige Projekt implementiert TypeSafe-kompatible Endpunkte für vorhandene Jev-Clients. CLI, Desktop-App und MCP-Server stehen bereit; Modelfiles bündeln wiederverwendbare Fragensätze.

LocalJev übersetzt typisierte Anfragen in DiffusionGemma-Klassifikationsprompts und validiert die erzeugten Wahrscheinlichkeiten. Der Bun-Dienst liefert das Jev-Antwortformat über ein normales OpenAI-kompatibles Chat-Backend. Mit Bun und einem oMLX-Server starten und TypeSafe-SDK-Clients auf die lokale API richten.

hippo-memory speichert Agentenerinnerungen in SQLite, dokumentiert ihre Herkunft und unterdrückt falsche Erinnerungen nach Rückmeldung. Der optionale Jev-Reranker sortiert abgerufene Erinnerungen und ist standardmäßig ausgeschaltet. Über CLI oder MCP lassen sich Erinnerungen speichern, abrufen und zwischen Entwicklungswerkzeugen teilen.

DSCODE ist ein macOS-Programmieragent, dessen Terminaloberfläche, CLI und Skripte dieselbe dauerhafte Sitzung nutzen. Das Repository enthält einen separaten Jev-Client für OpenRouters Alpha-Decisions-Endpunkt mit Choice, Score und Noul. Sitzungen dienen zum Bearbeiten, Testen und Übergeben von Agentenaufgaben; der Jev-Client benötigt einen API-Schlüssel.

Die Liste in Englisch und vereinfachtem Chinesisch sammelt Jev-Anwendungen, Clients, Agentenwerkzeuge, Spiele und Forschung. Mit offizieller Dokumentation und bekannten Fehlermustern beginnen, dann in den SDK- oder Anwendungsabschnitten nach Implementierungen suchen.

phi ist eine Go-basierte Coding-Umgebung mit Dateiwerkzeugen, Subagenten, Diff-Review und bedarfsweiser Ermittlung von MCP-Werkzeugen. Mit phi config das primäre Coding-Modell konfigurieren, phi starten und bei aktivem Optimierer TYPESAFE_API_KEY bereitstellen.

Jev MCP bietet Agenten Werkzeuge für Belegprüfung, Klassifikation, Neusortierung, Extraktion und Patch-Review. npx -y @jkudish/jev-mcp mit Node.js 22 oder neuer und einem Jev-Anbieterschlüssel im MCP-Client registrieren.

classifier.dev bietet Textklassifikation per HTTP und CLI, einschließlich Stapeln und mehreren Labeldimensionen. Labels und Text in einer URL übergeben, classify installieren oder items und dimensions an /v1/classify senden.

Web Search Plus ergänzt Hermes um Suche und Seitenextraktion mit Routing und Rückfallwegen zwischen konfigurierten Anbietern. Plugin und Suchanbieter einrichten, Jev separat mit setup --jev aktivieren und typesafe-sdk installieren.

System One Adapter implementiert die typesafe_sdk-Evaluation über LLM-APIs anderer Anbieter. Er ermöglicht TypeSafe-Vergleiche mit typisierten Antworten und zusätzlichen Diagnosen zu Wiederholungen, Latenz und Normalisierung. Anbieter, Modell und Wahrscheinlichkeits- oder Einzelwertmodus wählen; native strukturierte Ausgaben sind optional.

System One Connector bietet Programmieragenten typisierte Entscheidungen über evaluate und MCP-Integration. Er verbindet Jev oder kompatible selbst gehostete Modelle wie CLM und Laya. Choice-, Noul- oder Score-Fragen definieren; Agenteneinrichtung und Stapelbewertung stehen bereit.

Jev Browser führt eine Aufgabe ab einer URL aus und liefert letzte Seite, Screenshot und Entscheidungsspur. npm-CLI, MCP-Server oder navigate-Bibliothek mit Node.js 22 und Jev-Schlüssel verwenden.

Das Plugin nutzt Jev zur Empfehlung verfügbarer Werkzeuge, Skills und Verantwortlicher sowie zur Bewertung nach definierten Kriterien. Das native DSH-Paket installieren oder iPolloWork-Paket importieren, TypeSafe konfigurieren und vor dem Live-Test den Status prüfen.

fingers kombiniert mehrere Fingerprint-Datenbanken und kann Jev zur Trefferprüfung, Deduplizierung und Versionspräzisierung nutzen. Die Go-Bibliothek installieren und EnableJudge mit TypeSafe-Schlüssel aktivieren oder die CLI-Option jev-key verwenden.