Modelos locais e offline

Fornece modelos pré-treinados e ajuste fino para perguntas binárias, de múltipla escolha e de pontuação sobre o mesmo texto. A API segue TypeSafe System One, permitindo apontar o SDK Python da TypeSafe para um servidor Kev local.

O assistente Android lê conversas visíveis por acessibilidade e OCR local, exibindo análise e sugestões em uma janela sobreposta. Jev avalia intenção e opções de resposta; um modelo generativo redige três candidatos e Jev os ordena.

A memória pesquisável recupera decisões, contexto de depuração e histórico de funcionalidades entre agentes compatíveis; Markdown é a fonte principal. A reordenação Jev opcional usa a API remota TypeSafe sem baixar um modelo local de reordenação.

Responde perguntas de escolha, booleanas e de pontuação ordenada a partir de estados e candidatos, sem decodificar tokens de resposta. É um modelo local independente inspirado no Jev; gravações comparam Jev e Qwen sem ajuste nas mesmas interfaces de jogo.

Forneça texto ou estado estruturado e uma pergunta binária para receber a probabilidade de sim. O servidor usa o formato Jev para Noul, permitindo que clientes existentes acessem um modelo auto-hospedado separado.

decider retorna probabilidades Choice, Score e Noul a partir de estado e perguntas tipadas em uma passagem. A família independente inspirada no Jev usa bases Qwen; os dados de treinamento não foram destilados do Jev. Use a interface Python Decider ou conecte SDKs TypeSafe ao endpoint HTTP local compatível.

ollaya baixa modelos abertos de decisão pelo nome e processa perguntas tipadas em um serviço local. O projeto independente implementa endpoints compatíveis com TypeSafe para clientes Jev existentes. Use a CLI, o aplicativo desktop ou o servidor MCP; Modelfiles agrupam conjuntos reutilizáveis de perguntas.

awesome-jev-by-typesafe reúne casos, prompts, padrões e código inicial com fontes, como recurso comunitário independente. Explica Choice, Score e Noul para classificação, roteamento e verificação, mantendo o controle do fluxo no código. Explore exemplos Python e TypeScript; testes offline dispensam chave, mas exemplos com chamadas reais exigem TYPESAFE_API_KEY.

LocalJev converte solicitações tipadas em prompts de classificação para DiffusionGemma e valida as probabilidades geradas. Seu serviço Bun oferece o formato de resposta Jev usando um backend de chat compatível com OpenAI. Execute com Bun e oMLX e direcione os clientes TypeSafe SDK à API local.

hippo-memory armazena memórias em SQLite, registra sua origem e permite suprimir lembranças incorretas com feedback. O reordenador Jev opcional classifica memórias recuperadas e vem desativado por padrão. Agentes podem guardar e recuperar memórias pela CLI ou MCP, compartilhando-as entre ferramentas de programação.

Rizzo Flow executa modelos abertos localmente e retorna escolhas, probabilidades, pontuações e números por uma interface HTTP compatível com Jev. O projeto independente reproduz o padrão de interface do Jev, não sua arquitetura ou treinamento proprietários. Sirva um modelo com llama.cpp e direcione o código compatível com TypeSafe ao endpoint local.

Von avalia perguntas independentes em uma passagem para classificação, verificações de sim/não e pontuações ordenadas. É um modelo System One separado, com API compatível com TypeSafe, executado no processo ou via HTTP. Use o SDK Python ou TypeScript, ou disponibilize o modelo local com von serve.

Shapeshift transforma texto em eventos, listas, temporizadores, divisão de contas e outras interfaces específicas. Jev opcional classifica intenção e sinais; o código calcula datas e valores. A classificação offline por palavras-chave é padrão. Digite no app Bun, escolha e salve o cartão; uma chave TypeSafe no servidor ativa Jev.

TipTour é um assistente na barra de menus do macOS com tarefas de texto Jev e modo de voz Gemini separado. Jev escolhe controles detectados localmente; TipTour executa e valida cliques, mantendo capturas na máquina. Selecione o modo, forneça sua chave API e conceda permissões; compilar exige macOS 14.2+ e Xcode.

JevChat-Windows lê conversas do WeChat e KakaoTalk com OCR local e oferece respostas ao lado da janela. Jev avalia intenção e tensão e ordena três opções; outro modelo de linguagem redige as respostas. Configure chaves separadas para decisão e redação no Windows 10 1903+ ou Windows 11.

Jev Review examina diffs Git ou bases completas em busca de problemas de correção, segurança, confiabilidade, compatibilidade e testes. Jev seleciona evidências, classifica mecanismos e avalia gravidade; quando necessário, escolhe o revisor por Choice. O código aplica os limites e a política do fluxo. Use Node.js 24+, Git e chave TypeSafe para gerar JSON ou consultar revisões salvas localmente.

O pacote executa o Laya da Convai Innovations com ONNX Runtime para classificação e pontuação tipadas no Node.js e TypeScript. Instale @receptron/laya no Node.js 20 ou superior, carregue o Laya e envie estado e perguntas tipadas ao systemOne; feche a instância ao terminar.

O projeto controla um jogador de Minecraft Java 1.16.5 pelo Mineflayer, com um modelo separado para planejamento e o Jev escolhendo ações. Configure o relay dos modelos e os caminhos locais, instale dependências, inicie o servidor vanilla e siga o fluxo documentado do nether-agent.

O Jev Search transforma pedidos em linguagem natural em links e trechos, com filtros editáveis e notas de relevância visíveis. Para uso local, configure Search1API e um provedor Jev em .dev.vars, instale com pnpm e execute pnpm dev.

O jev-router inicia as CLIs nativas por um proxy local e escolhe um nível de modelo a cada novo turno do usuário. Instale com npm, configure JEV_API_KEY e execute jev-claude ou jev-codex com a CLI original instalada e autenticada.

O Mobile Jev controla Android pelo Mobilerun, com estúdio ao vivo, CLI e rastros de execução. Configure as duas chaves e um dispositivo pronto; execute pnpm dev para abrir o estúdio local e informar um objetivo.

TypeSafe Mario é um controlador NES experimental com telemetria do emulador e observações derivadas da RAM. Com Python 3.13, chave TypeSafe e jogo local, confira state-demo antes de executar play.

LLM2Jev pontua candidatos com logits de prefill de modelos locais de linguagem e visão, sem geração token a token. É uma implementação independente no estilo Jev, com endpoint HTTP compatível com System One. Use Python ou HTTP com SGLang, Transformers ou MLX e entradas compatíveis de texto e imagem.

Unclutter oculta elementos desnecessários no Chrome, Chromium e Firefox com regras salvas por modelo de página. Jev classifica candidatos; a extensão valida respostas e controla seletores e ocultação reversível. Escolha credenciais TypeSafe ou Vercel e analise manualmente por padrão; regras salvas funcionam offline.