Branchez pipelines et tâches d'arrière-plan
137 projets · Tous les projets →
La CLI native propose shell interactif, requêtes par script et intégration embarquée, avec compétences, serveurs MCP et sous-agents. Jev reçoit politique, contexte et action en attente, puis renvoie clear ou caution au circuit de permissions.
Le pipeline produit objectifs pédagogiques, contenu mathématique, plan visuel et scène Manim, puis inspecte le rendu réel. Jev évalue les artefacts et audits textuels d'Astra avec Score, Noul et Choice ; il ne reçoit pas les images.
Il répond aux questions à choix, booléennes et à scores ordonnés depuis états et candidats, sans décoder de tokens de réponse. Ce modèle local distinct s'inspire de Jev ; les enregistrements comparent Jev et Qwen non ajusté sur les mêmes interfaces de jeu.
RAG-Fusion génère plusieurs formulations d’une requête et fusionne leurs classements avec Reciprocal Rank Fusion pour retrouver des documents autrement manqués. Jev est un outil de reclassement facultatif dans l’évaluation ; ses expériences nécessitent JEV_API_KEY. La démonstration originale reste purement vectorielle. Le banc d’évaluation compare les stratégies sur NFCorpus ; le parcours hybride associe BM25, recherche vectorielle, fusion et reclassement.
Awesome Jev est le catalogue communautaire de heyjunpenn, organisé en SDK, agents, applications, recherche et autres catégories. Les fiches expliquent les décisions de Jev et documentent les preuves d’implémentation, la reproduction et l’origine des mesures. Parcourez les catégories, puis suivez les étiquettes de preuve et les liens d’origine pour examiner chaque parcours de décision.
Jev Review examine les diffs Git ou tout le code pour vérifier correction, sécurité, fiabilité, compatibilité et tests. Jev sélectionne les preuves, classe les mécanismes et évalue la gravité ; selon les conditions du flux, il choisit le réviseur avec Choice. Le code applique les seuils et la politique du processus. Node.js 24+, Git et une clé TypeSafe permettent de générer du JSON ou consulter les revues enregistrées localement.
Le projet pilote un joueur de Minecraft Java 1.16.5 via Mineflayer, avec un modèle de planification séparé et Jev pour choisir les actions. Configurez le relais des modèles et les chemins locaux, installez les dépendances, lancez le serveur vanilla puis le parcours nether-agent documenté.
La liste classe fournisseurs, SDK, parcours d’agents, outils de contexte, jeux et évaluations avec sources et limites. Lisez l’introduction à Choice, Score et Noul, puis suivez les catégories et notes à commits figés jusqu’au code.
System One Connector expose des décisions typées aux agents via evaluate et l’intégration MCP. Il connecte Jev ou des modèles compatibles auto-hébergés comme CLM et Laya. Définissez des questions Choice, Noul ou Score ; configuration des agents et évaluation par lots sont fournies.
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.