로컬 및 오프라인 모델

사전 학습 모델과 미세 조정으로 같은 텍스트에 대한 예·아니요, 객관식, 평점 질문을 처리합니다. API가 TypeSafe System One을 따르므로 TypeSafe Python SDK를 로컬 Kev 서버에 연결할 수 있습니다.

Android 접근성 서비스와 로컬 OCR로 보이는 대화를 읽고 오버레이에 분석과 답장 제안을 표시합니다. Jev가 의도와 응답 선택을 판단하고 생성 모델이 작성한 후보 세 개의 순위를 매깁니다.

지원되는 에이전트 간에 과거 결정, 디버깅 맥락, 기능 이력을 검색하며 Markdown을 원본으로 유지합니다. 선택적 Jev 재정렬은 원격 TypeSafe API를 사용하므로 로컬 재정렬 모델을 내려받지 않습니다.

상태와 후보에서 선택, 참·거짓, 순서형 점수 질문에 답하며 답변 토큰을 디코딩하지 않습니다. Jev에서 착안한 별도 로컬 모델이며 같은 게임 인터페이스의 Jev 및 미조정 Qwen과 비교한 기록을 제공합니다.

텍스트 또는 구조화된 상태와 예·아니요 질문을 주면 '예'일 확률을 반환합니다. 로컬 서버는 Jev의 Noul 통신 형식을 사용해 기존 클라이언트가 별도의 자체 호스팅 모델에 연결할 수 있게 합니다.

decider는 상태와 타입이 지정된 질문을 받아 한 번의 순전파로 Choice, Score, Noul 확률을 반환합니다. Qwen 기반의 독립적인 Jev 방식 모델 제품군이며 Jev에서 증류한 학습 데이터는 사용하지 않습니다. Python Decider 인터페이스를 호출하거나 TypeSafe SDK를 호환 로컬 HTTP 엔드포인트에 연결합니다.

ollaya는 이름으로 공개 결정 모델을 내려받고 로컬 데몬을 통해 타입이 지정된 질문을 처리합니다. 기존 Jev 클라이언트가 쓸 수 있는 TypeSafe 호환 엔드포인트를 구현한 독립 프로젝트입니다. CLI, 데스크톱 앱, MCP 서버를 이용할 수 있으며 Modelfile로 재사용할 질문 묶음을 정의합니다.

awesome-jev-by-typesafe는 출처가 있는 Jev 활용 사례, 프롬프트, 패턴, 시작 코드를 모은 독립 커뮤니티 자료입니다. Choice, Score, Noul로 분류, 라우팅, 검증하는 방법을 설명하며 제어 흐름은 코드에 둡니다. Python과 TypeScript 예제를 살펴볼 수 있습니다. 오프라인 정책 테스트는 키가 필요 없고 실제 호출에는 TYPESAFE_API_KEY가 필요합니다.

LocalJev는 타입별 판단 요청을 DiffusionGemma 분류 프롬프트로 바꾸고 생성된 확률 출력을 검증합니다. Bun 서비스가 표준 OpenAI 호환 채팅 백엔드를 통해 Jev 응답 형식을 제공합니다. Bun과 oMLX 서버로 실행한 뒤 TypeSafe SDK 클라이언트를 로컬 API에 연결합니다.

hippo-memory는 에이전트 메모리를 SQLite에 저장하고 출처를 기록하며 피드백으로 잘못된 기억을 억제합니다. 선택적 Jev 재순위화 기능은 검색된 기억을 정렬하며 기본적으로 꺼져 있습니다. CLI나 MCP로 기억을 저장하고 검색하여 여러 코딩 도구에서 공유할 수 있습니다.

Rizzo Flow는 공개 결정 모델을 로컬에서 실행해 Jev 호환 HTTP 인터페이스로 선택, 확률, 기준별 점수, 수치를 반환합니다. Jev의 인터페이스 패턴을 재현한 독립 프로젝트이며 독점 구조나 학습 방식의 복제는 아닙니다. llama.cpp로 선택한 모델을 서빙하고 TypeSafe 호환 앱 코드를 로컬 엔드포인트에 연결합니다.

Von은 한 번의 순전파로 독립 질문을 평가해 분류, 참거짓 확인, 순서형 점수 산정에 사용합니다. TypeSafe 호환 API가 있는 별도의 System One 모델이며 프로세스 내부나 HTTP로 실행합니다. Python 또는 TypeScript SDK를 쓰거나 von serve로 로컬 모델을 서비스합니다.

Shapeshift는 입력 문장을 일정, 체크리스트, 타이머, 비용 분담 등 작업별 인터페이스로 바꿉니다. 선택적 Jev가 의도와 신호를 분류하고 날짜와 계산은 코드가 처리합니다. 기본은 오프라인 키워드 분류입니다. Bun 앱에 입력해 카드를 선택하고 저장합니다. 서버 측 TypeSafe 키를 설정하면 Jev를 활성화합니다.

TipTour는 Jev 텍스트 작업과 별도의 Gemini 음성 모드가 있는 macOS 메뉴 막대 도우미입니다. Jev가 로컬에서 탐지한 컨트롤을 선택하면 TipTour가 클릭을 실행하고 검증합니다. 스크린샷은 로컬에 남습니다. 모드를 고르고 해당 API 키와 권한을 설정합니다. 빌드에는 macOS 14.2+와 Xcode가 필요합니다.

JevChat-Windows는 로컬 OCR로 WeChat과 KakaoTalk 대화를 읽고 채팅창 옆에 답장 후보를 제공합니다. Jev가 의도와 긴장도를 판단해 세 후보의 순위를 매기며, 별도 언어 모델이 답장을 작성합니다. Windows 10 1903+ 또는 Windows 11에서 판단 제공자 키와 작성 제공자 키를 각각 설정합니다.

Jev Review는 Git 변경분이나 전체 코드베이스의 정확성, 보안, 신뢰성, 호환성, 테스트 범위를 살펴봅니다. Jev가 증거를 선택하고 문제 메커니즘과 심각도를 평가하며, 조건에 따라 Choice로 검토자를 선택합니다. 임계값과 워크플로 정책은 코드가 적용합니다. Node.js 24+, Git, TypeSafe 키로 JSON 보고서를 만들거나 저장된 검토를 로컬에서 확인합니다.

Convai Innovations의 Laya 모델을 ONNX Runtime으로 실행해 Node.js와 TypeScript에서 타입이 지정된 분류와 점수 평가를 제공합니다. Node.js 20 이상에서 @receptron/laya를 설치하고 Laya를 로드한 뒤 상태와 질문을 systemOne에 전달합니다. 사용 후 인스턴스를 닫습니다.

Mineflayer로 Minecraft Java 1.16.5 플레이어를 제어하며 별도 모델이 계획하고 Jev가 행동을 선택합니다. 모델 릴레이와 로컬 런타임 경로를 설정하고 의존성과 바닐라 서버를 준비한 뒤 문서의 nether-agent 절차를 실행합니다.

Jev Search는 자연어 요청을 웹 링크와 발췌문으로 바꾸고 수정 가능한 필터와 관련성 점수를 보여줍니다. 로컬에서는 .dev.vars에 Search1API와 Jev 제공자를 설정하고 pnpm으로 의존성을 설치한 뒤 pnpm dev를 실행합니다.

jev-router는 로컬 프록시로 원래 코딩 CLI를 실행하고 새 사용자 턴마다 모델 등급을 고릅니다. npm으로 설치해 JEV_API_KEY를 설정하고 원래 CLI의 설치와 인증을 마친 뒤 jev-claude 또는 jev-codex를 실행합니다.

Mobile Jev는 Mobilerun으로 Android 기기를 제어하며 실시간 스튜디오, CLI, 실행 기록을 제공합니다. 두 제공자 키와 준비된 기기 ID를 설정한 뒤 pnpm dev로 로컬 스튜디오를 열어 목표를 입력합니다.

TypeSafe Mario는 에뮬레이터 텔레메트리와 RAM 기반 관찰을 사용하는 실험적 NES 제어 루프입니다. Python 3.13, TypeSafe 키, 로컬 게임 환경을 준비하고 state-demo를 확인한 뒤 play를 실행합니다.

LLM2Jev는 로컬 언어·시각 모델의 프리필 logits로 후보를 평가하며 토큰별 답변을 생성하지 않습니다. 독립적인 Jev 방식 구현이며 System One 호환 HTTP 엔드포인트를 제공합니다. SGLang, Transformers, MLX를 Python이나 HTTP로 사용하고 지원되는 텍스트·이미지를 입력합니다.

Unclutter는 Chrome, Chromium, Firefox에서 불필요한 요소를 숨기고 페이지 템플릿별 규칙을 저장합니다. Jev가 후보 요소를 분류하고 확장 코드가 응답 검증, 선택자, 되돌릴 수 있는 숨김을 제어합니다. TypeSafe 또는 Vercel 인증을 선택하고 기본적으로 수동 분석합니다. 저장된 규칙은 오프라인에서도 작동합니다.