Workflow-Automatisierung

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.

Die Pipeline erstellt Lernziele, mathematische Inhalte, Bildplanung und Manim-Szenen und prüft anschließend das tatsächliche Rendering. Jev bewertet Artefakte und Astras textliche Prüfberichte mit Score, Noul und Choice; Bilder erhält es nicht.

Das Modell beantwortet Auswahl-, Boolean- und geordnete Bewertungsfragen aus Zuständen und Kandidaten ohne Antworttoken-Decoding. NanoJev ist ein eigenständiges lokales Modell nach Jevs Vorbild; Aufzeichnungen vergleichen Jev und nicht feinabgestimmtes Qwen an denselben Spielschnittstellen.

RAG-Fusion erzeugt Suchvarianten und vereint ihre Ranglisten mit Reciprocal Rank Fusion, um bei einer einzelnen Anfrage übersehene Dokumente zu finden. Jev ist ein optionaler Reranker der Evaluationspipeline; seine Experimente benötigen JEV_API_KEY. Die ursprüngliche Demo verwendet weiterhin ausschließlich Vektorsuche. Die Evaluationswerkzeuge vergleichen Suchverfahren auf NFCorpus. Die hybride Pipeline kombiniert BM25, Vektorsuche, Fusion und Reranking.

Awesome Jev ist heyjunpenns Community-Katalog mit Kategorien für SDKs, Agenten, Anwendungen, Forschung und weitere Jev-Projekte. Einträge erklären Jevs Entscheidungen und dokumentieren Implementierungsbelege, Reproduktionsstatus sowie die Herkunft von Messwerten. Über Kategorien, Belegkennzeichnungen und Originalquellen lässt sich der tatsächliche Entscheidungsablauf eines Projekts prüfen.

Jev Review untersucht Git-Diffs oder ganze Codebasen auf Korrektheit, Sicherheit, Zuverlässigkeit, Kompatibilität und Testabdeckung. Jev wählt Belege, klassifiziert Mechanismen, bewertet den Schweregrad und wählt bei Bedarf per Choice einen Reviewer. Der Code setzt Schwellenwerte und Ablaufregeln um. Mit Node.js 24+, Git und TypeSafe-Schlüssel JSON-Berichte erzeugen oder gespeicherte Prüfungen lokal ansehen.

Das Projekt steuert einen Spieler in Minecraft Java 1.16.5 über Mineflayer und trennt Modellplanung von der Aktionsauswahl durch Jev. Modellrelay und lokale Laufzeitpfade konfigurieren, Abhängigkeiten installieren, den Vanilla-Server starten und dem dokumentierten nether-agent-Ablauf folgen.

Die Liste ordnet Anbieter, SDKs, Agentenabläufe, Kontextwerkzeuge, Spiele und Auswertungen mit Quellen und Einschränkungen. Die Einführung in Choice, Score und Noul lesen und dann Kategorien sowie commitgebundenen Forschungsnotizen zum Quellcode folgen.

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.

A source-backed Jev project directory with a reusable Jev-only GitHub review workflow.

The ai agent workflow tool that scales from small, simple projects to large, complex codebases.

Jev Browser — indexed browser automation. Jev chooses the control, Playwright acts. A CodexQA skill.

Talk to your Mac. Local whisper.cpp + one Jev (TypeSafe) call per command + macOS automation.

Browser automation where an LLM plans and Jev (Typesafe System One) decides. Library, CLI and MCP server.

Give an agent real hands and eyes: undetectable, DOM-independent GUI automation. A $4 USB-HID microcontroller for hands, a vision grounding model for eyes, any LLM for a brain.

Classify first. Read selectively. A portable agent plugin and MCP tool for batch text classification.

Open-source macOS AI computer use and native GUI automation on Apple silicon. Jev + OmniParser CoreML + Apple Vision OCR. Bring your own OpenRouter, Vercel AI Gateway, or TypesafeAI token.

Fast, typed browser automation powered by Jev and Playwright

Async LangGraph workflow that gets a typed Jev Choice (invoice or general) and routes each inbound email to the matching handler.

Typed decisions from the shell: an unofficial stdlib-Python CLI and Agent Skill for TypeSafe's Jev model, via the TypeSafe API (default) or OpenRouter. Yes/no, choice and ordinal scores with calibrated probabilities, semantic grep and batch mode.

SLO-aware LLM inference router with Jev decisions, live queue metrics, counterfactual evaluation, and reproducible latency/cost benchmarks

Jev 决策模型驱动的 UI 自动化测试框架：不生成「下一步做什么」的文字，而是在候选元素里直接打分；一句话写用例，pytest 执行，Allure 出报告，每个操作决策中位 458 ms（UI test automation driven by the Jev decision model — scored decisions, not generated prose; ~458 ms per decision）

A Kotlin Android SDK for UI automation powered by TypeSafe Jev, with an accessibility runtime and sample app.

Jev for every agentic development workflow — the System One decision model wired into whatever harness an agent codes in: OpenCode today, Claude Code and Hermes adapters next.