ローカル・オフラインモデル

学習済みモデルと追加学習を利用し、同じ文章に対する二択、選択式、評価の問いを処理します。 TypeSafe System One に合わせた API により、TypeSafe Python SDK をローカルの Kev サーバーへ接続できます。

Android のアクセシビリティとローカル OCR で表示中の会話を読み、重ね合わせ画面に分析と返信案を表示します。 Jev が意図や返信の選択を判断し、生成モデルが作る三つの候補を順位付けします。

複数の対応エージェントから過去の判断、デバッグの経緯、機能の履歴を検索でき、正本は Markdown に置かれます。 任意の Jev 再ランキングはリモートの TypeSafe API で検索結果を並べ替え、ローカルモデルのダウンロードは不要です。

状態と候補から選択、真偽、順序付き評価に答え、回答トークンのデコードは行いません。 Jev に着想を得た別個のローカルモデルです。同じゲーム入力で Jev と未調整 Qwen を比較した記録があります。

文章または構造化状態と、はい・いいえの質問を渡すと、はいの確率が得られます。 Noul 向けの Jev 通信形式を使うため、既存クライアントから別の自前モデルに接続できます。

decider は状態と型付き質問から、1 回の順伝播で Choice、Score、Noul の確率を返します。 Qwen を基盤とする独立した Jev 風モデル群で、Jev から蒸留した学習データは使用していません。 Python の Decider を呼び出すか、TypeSafe SDK を互換のローカル HTTP エンドポイントへ接続します。

ollaya は名前で指定したオープンな決定モデルを取得し、ローカルの常駐プロセスで型付き質問を処理します。 既存の Jev クライアント向けに TypeSafe 互換エンドポイントを実装した独立プロジェクトです。 CLI、デスクトップアプリ、MCP サーバーを利用でき、Modelfile で再利用する質問集をまとめられます。

awesome-jev-by-typesafe は、出典付きの Jev 活用例、プロンプト、設計パターン、入門コードを集める独立コミュニティ資料です。 Choice、Score、Noul による分類・振り分け・検証を解説し、制御フローはコードに任せます。 Python と TypeScript の例を参照できます。オフラインのポリシーテストはキー不要で、実 API の例には TYPESAFE_API_KEY が必要です。

LocalJev は型付き判断リクエストを DiffusionGemma の分類プロンプトに変換し、生成された確率を検証します。 Bun 製サービスが標準の OpenAI 互換チャット基盤を使い、Jev 形式の応答を返します。 Bun と oMLX サーバーで実行し、TypeSafe SDK をローカル API に接続します。

hippo-memory はエージェントの記憶を SQLite に保存し、出典とフィードバックから誤った記憶を抑制します。 任意の Jev 再ランキング機能が検索済み記憶を並べ替えます。初期設定では無効です。 CLI や MCP から記憶を保存・取得し、複数の開発ツールで共有できます。

Rizzo Flow はオープンモデルをローカル実行し、Jev 互換 HTTP API で選択、確率、評価値、数値を返します。 Jev のインターフェース設計を再現した独立プロジェクトで、独自アーキテクチャや学習方法の再現ではありません。 llama.cpp でモデルを起動し、TypeSafe 互換アプリの接続先をローカルに指定します。

Von は独立した質問を 1 回の順伝播で評価し、分類、真偽判定、段階評価に使えます。 TypeSafe 互換 API を持つ別の System One モデルで、プロセス内または HTTP 経由で動作します。 Python・TypeScript SDK を使うか、von serve でローカルモデルを公開します。

Shapeshift は入力文を予定、チェックリスト、タイマー、割り勘など、用途に合うカードへ変えます。 任意の Jev が意図や特徴を分類し、日付と計算はコードが処理します。標準ではオフラインのキーワード分類を使います。 Bun アプリに入力してカードを選び、保存します。サーバー側の TypeSafe キーで Jev を有効化できます。

TipTour は Jev のテキスト指示と、別の Gemini 音声モードを備える macOS メニューバーアプリです。 Jev が端末内で検出したコントロールを選び、TipTour がクリックを実行・確認します。画像は端末内に残ります。 モードと API キーを設定し、権限を許可します。ビルドには macOS 14.2 以降と Xcode が必要です。

JevChat-Windows は WeChat と KakaoTalk の会話をローカル OCR で読み、チャット横に返信候補を表示します。 Jev は意図と緊張度を判断して 3 候補を順位付けし、文章は別の言語モデルが作成します。 Windows 10 1903 以降または Windows 11 で、判断用と文章作成用の API キーを設定します。

Jev Review は Git 差分やコード全体から正しさ、安全性、信頼性、互換性、テスト不足を調べます。 Jev が根拠を選び、問題の種類と重大度を評価し、条件に応じて Choice でレビュー担当を選びます。しきい値と処理方針はコードが適用します。 Node.js 24 以降、Git、TypeSafe キーで JSON レポートを作成し、保存したレビューをローカルで確認できます。

Convai Innovations の Laya を ONNX Runtime で動かし、Node.js と TypeScript から型付き分類や採点を行うパッケージです。 Node.js 20 以降で @receptron/laya をインストールし、Laya を読み込んで状態と型付き質問を systemOne に渡します。終了後はインスタンスを閉じます。

Minecraft Java 1.16.5 のプレイヤーを Mineflayer で操作し、計画モデルと Jev の行動選択を組み合わせます。 モデル中継とローカル環境のパスを設定し、依存関係とバニラサーバーを準備して、文書の nether-agent 手順を起動します。

Jev Search は自然言語の依頼からリンクと抜粋を返し、変更可能な絞り込み条件と関連性スコアを表示します。 ローカルでは .dev.vars に Search1API と Jev の接続情報を設定し、pnpm で依存関係を入れて pnpm dev を実行します。

jev-router はローカルプロキシ経由で本来の CLI を起動し、新しいユーザーターンごとにモデルの階層を選びます。 npm で導入して JEV_API_KEY を設定し、元の CLI を導入・認証したうえで jev-claude または jev-codex を起動します。

Mobile Jev は Mobilerun 経由で Android を操作し、ライブ画面、CLI、実行記録を提供します。 両サービスのキーと準備済みデバイス ID を設定し、pnpm dev でローカル画面を開いて目標を入力します。

TypeSafe Mario は、エミュレーターのテレメトリーと RAM 由来の観測を使う実験的な NES 操作ループです。 Python 3.13、TypeSafe キー、ローカルのゲーム環境を用意し、state-demo を確認してから play を実行します。

LLM2Jev はローカル言語・視覚モデルの prefill logits で候補を評価し、トークン単位の生成を行いません。 独立した Jev 風の実装で、System One 互換 HTTP エンドポイントを備えます。 SGLang、Transformers、MLX を Python または HTTP から利用し、対応するテキスト・画像を入力できます。

Unclutter は Chrome、Chromium、Firefox の不要な要素を隠し、ページテンプレートごとにルールを保存します。 Jev が候補要素を分類し、拡張機能が応答を検証してセレクターと元に戻せる非表示処理を管理します。 TypeSafe または Vercel の認証を選び、標準では手動分析します。保存ルールはオフラインでも使えます。