Automação de fluxos

A CLI nativa oferece shell interativo, solicitações por scripts e incorporação, com habilidades, servidores MCP e subagentes. Jev recebe política, contexto e ação pendente e retorna clear ou caution ao fluxo de permissões.

O fluxo produz objetivos de aprendizagem, matemática, planejamento visual e cenas Manim, depois revisa o resultado renderizado. Jev avalia artefatos e auditorias textuais de Astra com Score, Noul e Choice; não recebe imagens.

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.

RAG-Fusion gera variações da consulta e combina classificações com Reciprocal Rank Fusion para encontrar documentos que uma única formulação pode perder. Jev é um reordenador opcional na avaliação; seus experimentos exigem JEV_API_KEY. A demonstração original continua usando apenas busca vetorial. O conjunto de avaliação compara estratégias no NFCorpus; a configuração híbrida combina BM25, busca vetorial, fusão e reordenação.

Awesome Jev é o catálogo comunitário de heyjunpenn, organizado por SDKs, agentes, aplicativos, pesquisa e outras categorias. As entradas explicam o que Jev decide e registram evidências de implementação, reprodução e origem das métricas. Explore as categorias e consulte os rótulos de evidência e links originais para examinar cada fluxo de decisão.

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 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.

A lista organiza provedores, SDKs, fluxos de agentes, ferramentas de contexto, jogos e avaliações com fontes e limitações. Leia a introdução a Choice, Score e Noul; depois siga categorias e notas com commits fixados até o código.

System One Connector oferece decisões tipadas a agentes por evaluate e integração MCP. Conecta Jev ou modelos compatíveis hospedados por você, como CLM e Laya. Defina perguntas Choice, Noul ou Score; há configuração de agentes e avaliação em lote.

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.