Model lokal dan offline

Model pralatih dan penyetelan mendukung pertanyaan ya/tidak, pilihan, serta penilaian atas teks yang sama. API mengikuti TypeSafe System One sehingga SDK Python TypeSafe dapat diarahkan ke server Kev lokal.

Asisten Android membaca percakapan terlihat melalui aksesibilitas dan OCR lokal, lalu menampilkan analisis serta saran dalam overlay. Jev menilai maksud dan pilihan respons; model generatif menulis tiga kandidat dan Jev mengurutkannya.

Memori yang dapat dicari memulihkan keputusan, konteks debugging, dan riwayat fitur antaragen yang didukung; Markdown tetap sumber utama. Pemeringkatan Jev opsional memakai API TypeSafe jarak jauh tanpa mengunduh model pemeringkat lokal.

Model menjawab pertanyaan pilihan, Boolean, dan skor berurutan dari status serta kandidat tanpa mendekode token jawaban. NanoJev adalah model lokal terpisah yang terinspirasi Jev; rekaman membandingkan Jev dan Qwen tanpa penyetelan pada antarmuka permainan yang sama.

Berikan teks atau status terstruktur dan pertanyaan ya/tidak untuk memperoleh probabilitas ya. Server memakai format Jev untuk Noul sehingga klien yang ada dapat mengakses model terpisah yang dihosting sendiri.

decider menghasilkan probabilitas Choice, Score, dan Noul dari status dan pertanyaan bertipe dalam satu lintasan maju. Keluarga model independen bergaya Jev ini berbasis Qwen; data pelatihannya tidak didistilasi dari Jev. Gunakan antarmuka Python Decider atau arahkan SDK TypeSafe ke endpoint HTTP lokal yang kompatibel.

ollaya mengunduh model keputusan terbuka berdasarkan nama dan melayani pertanyaan bertipe melalui daemon lokal. Proyek independen ini menyediakan endpoint kompatibel TypeSafe untuk klien Jev yang sudah ada. Gunakan CLI, aplikasi desktop, atau server MCP; Modelfile dapat mengemas kumpulan pertanyaan yang bisa dipakai ulang.

awesome-jev-by-typesafe menghimpun kasus penggunaan, prompt, pola, dan kode awal bersumber sebagai referensi komunitas independen. Isinya menjelaskan Choice, Score, dan Noul untuk klasifikasi, perutean, dan verifikasi, dengan alur kontrol tetap di kode. Jelajahi contoh Python dan TypeScript; tes kebijakan offline tanpa kunci, sedangkan contoh langsung membutuhkan TYPESAFE_API_KEY.

LocalJev mengubah permintaan bertipe menjadi prompt klasifikasi DiffusionGemma dan memvalidasi probabilitas yang dihasilkan. Layanan Bun-nya menyediakan format respons Jev melalui backend chat standar yang kompatibel OpenAI. Jalankan dengan Bun dan server oMLX, lalu arahkan klien SDK TypeSafe ke API lokal.

hippo-memory menyimpan memori agen di SQLite, mencatat asalnya, dan menekan ingatan keliru berdasarkan umpan balik. Pemeringkat ulang Jev opsional mengurutkan memori yang ditemukan dan dinonaktifkan secara bawaan. Agen menyimpan dan mengambil ingatan melalui CLI atau MCP untuk berbagi memori antartool pemrograman.

Rizzo Flow menjalankan model terbuka secara lokal dan mengembalikan pilihan, probabilitas, skor rubrik, serta angka melalui HTTP kompatibel Jev. Proyek independen ini meniru pola antarmuka Jev, bukan arsitektur atau pelatihan proprieternya. Sajikan model dengan llama.cpp dan arahkan kode aplikasi kompatibel TypeSafe ke endpoint lokal.

Von menilai pertanyaan independen dalam satu lintasan untuk klasifikasi, pemeriksaan ya/tidak, dan penilaian berurutan. Model System One terpisah ini memiliki API kompatibel TypeSafe, berjalan dalam proses atau lewat HTTP. Gunakan SDK Python atau TypeScript, atau sajikan model lokal dengan von serve.

Shapeshift mengubah teks menjadi kartu acara, daftar, timer, pembagian tagihan, dan antarmuka tugas lain. Jev opsional mengklasifikasikan maksud dan sinyal; kode menghitung tanggal dan angka. Klasifikasi kata kunci offline menjadi bawaan. Ketik di aplikasi Bun, pilih kartu, lalu simpan; kunci TypeSafe di server mengaktifkan Jev.

TipTour adalah pendamping bilah menu macOS dengan tugas teks Jev dan mode suara Gemini yang terpisah. Jev memilih kontrol yang terdeteksi lokal; TipTour menjalankan dan memverifikasi klik, sementara tangkapan layar tetap lokal. Pilih mode, masukkan kunci API-nya, dan berikan izin; pembuatan aplikasi memerlukan macOS 14.2+ dan Xcode.

JevChat-Windows membaca percakapan WeChat dan KakaoTalk memakai OCR lokal, lalu menampilkan calon balasan di samping chat. Jev menilai maksud dan ketegangan serta mengurutkan tiga kandidat; model bahasa terpisah menulisnya. Atur kunci penyedia keputusan dan penyedia penulisan pada Windows 10 1903+ atau Windows 11.

Jev Review memeriksa diff Git atau seluruh kode untuk kebenaran, keamanan, keandalan, kompatibilitas, dan cakupan tes. Jev memilih bukti, mengklasifikasikan mekanisme, dan menilai keparahan; ketika syaratnya terpenuhi, Choice memilih peninjau. Kode menerapkan ambang dan kebijakan alur. Gunakan Node.js 24+, Git, dan kunci TypeSafe untuk membuat JSON atau melihat ulasan tersimpan secara lokal.

Paket ini menjalankan Laya dari Convai Innovations melalui ONNX Runtime untuk klasifikasi dan penilaian bertipe di Node.js dan TypeScript. Pasang @receptron/laya pada Node.js 20 atau lebih baru, muat Laya, lalu kirim keadaan dan pertanyaan bertipe ke systemOne; tutup instans setelah selesai.

Proyek ini mengendalikan pemain Minecraft Java 1.16.5 melalui Mineflayer, dengan model perencana terpisah dan Jev sebagai pemilih tindakan. Atur relay model dan jalur runtime lokal, pasang dependensi, mulai server vanilla, lalu ikuti alur nether-agent dalam dokumentasi.

Jev Search mengubah permintaan bahasa sehari-hari menjadi tautan dan cuplikan, dengan filter yang dapat diubah serta skor relevansi. Untuk penggunaan lokal, atur Search1API dan penyedia Jev di .dev.vars, pasang dependensi dengan pnpm, lalu jalankan pnpm dev.

jev-router menjalankan CLI asli melalui proxy lokal dan memilih tingkat model pada setiap giliran pengguna baru. Pasang melalui npm, atur JEV_API_KEY, lalu jalankan jev-claude atau jev-codex dengan CLI asli yang terpasang dan terautentikasi.

Mobile Jev mengendalikan Android lewat Mobilerun, dengan studio langsung, CLI, dan jejak eksekusi. Atur kedua kunci dan ID perangkat siap pakai, lalu jalankan pnpm dev untuk membuka studio lokal dan memasukkan tujuan.

TypeSafe Mario adalah pengontrol NES eksperimental yang memakai telemetri emulator dan pengamatan dari RAM. Siapkan Python 3.13, kunci TypeSafe, dan gim lokal; periksa state-demo sebelum menjalankan play.

LLM2Jev menilai kandidat memakai logits prefill model bahasa dan visual lokal tanpa generasi token demi token. Ini implementasi independen bergaya Jev dengan endpoint HTTP kompatibel System One. Gunakan Python atau HTTP dengan SGLang, Transformers, atau MLX serta masukan teks dan gambar yang didukung.

Unclutter menyembunyikan elemen tidak penting di Chrome, Chromium, dan Firefox dengan aturan tersimpan per templat halaman. Jev mengklasifikasikan kandidat; ekstensi memvalidasi respons serta mengendalikan selektor dan penyembunyian yang dapat dibatalkan. Pilih kredensial TypeSafe atau Vercel; analisis manual menjadi bawaan dan aturan tersimpan bekerja offline.