Automazione dei flussi

La CLI nativa supporta shell interattiva, richieste da script e integrazione, con skill, server MCP e sottoagenti. Jev riceve criteri di revisione, contesto e azione in attesa, restituendo clear o caution al flusso dei permessi.

Il flusso crea obiettivi didattici, contenuto matematico, piano visivo e scena Manim, poi esamina il rendering reale. Jev valuta artefatti e audit testuali di Astra tramite Score, Noul e Choice; non riceve immagini.

Risponde a domande di scelta, booleane e con punteggi ordinati da stati e candidati, senza decodificare token di risposta. È un modello locale distinto ispirato a Jev; le registrazioni confrontano Jev e Qwen non adattato sulle stesse interfacce di gioco.

RAG-Fusion genera varianti della query e unisce le classifiche con Reciprocal Rank Fusion per trovare documenti che una sola formulazione può perdere. Jev è un riordinatore facoltativo nella valutazione; i suoi esperimenti richiedono JEV_API_KEY. La demo originale usa ancora solo la ricerca vettoriale. Il banco di valutazione confronta strategie su NFCorpus; la configurazione ibrida combina BM25, ricerca vettoriale, fusione e riordino.

Awesome Jev è il catalogo comunitario di heyjunpenn, organizzato per SDK, agenti, applicazioni, ricerca e altre categorie. Le schede spiegano cosa decide Jev e riportano prove d’implementazione, stato della riproduzione e origine delle metriche. Esplora le categorie, poi usa le etichette delle prove e i collegamenti originali per esaminare i flussi decisionali.

Jev Review esamina diff Git o intere basi di codice per correttezza, sicurezza, affidabilità, compatibilità e copertura dei test. Jev seleziona prove, classifica meccanismi e valuta la gravità; quando previsto dal flusso, sceglie anche il revisore tramite Choice. Il codice applica soglie e regole del processo. Usa Node.js 24+, Git e una chiave TypeSafe per generare JSON o consultare revisioni salvate localmente.

Il progetto controlla un giocatore di Minecraft Java 1.16.5 tramite Mineflayer, separando il modello di pianificazione dalla scelta delle azioni con Jev. Configura il relay dei modelli e i percorsi locali, installa le dipendenze, avvia il server vanilla e segui il flusso nether-agent documentato.

L’elenco organizza fornitori, SDK, flussi di agenti, strumenti di contesto, giochi e valutazioni con fonti e limiti. Leggi Choice, Score e Noul, poi segui categorie e note di ricerca fissate a commit fino al codice.

System One Connector espone decisioni tipizzate agli agenti tramite evaluate e integrazione MCP. Collega Jev o modelli compatibili ospitati autonomamente come CLM e Laya. Definisci domande Choice, Noul o Score; sono disponibili configurazione degli agenti e valutazione in lotti.

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.