Автоматизация процессов

Нативная CLI поддерживает интерактивную оболочку, скриптовые запросы и встраивание, а также навыки, MCP-серверы и субагентов. Jev получает правила проверки, контекст и ожидающее действие, возвращая clear или caution в процесс разрешений.

Конвейер создаёт учебный план, математический материал, визуальную схему и сцену Manim, затем проверяет реальный рендер. Jev оценивает артефакты и текстовые аудиты Astra через Score, Noul и Choice; изображения ему не передаются.

Модель отвечает на вопросы выбора, булевы вопросы и порядковые оценки по состояниям и кандидатам, не декодируя токены ответа. Это отдельная локальная модель по мотивам Jev; записи сравнивают Jev и Qwen без дообучения на одинаковых игровых интерфейсах.

RAG-Fusion создаёт варианты запроса и объединяет рейтинги методом Reciprocal Rank Fusion, находя документы, которые может пропустить одна формулировка. Jev служит необязательным переранжировщиком в оценочном конвейере; эксперименты с ним требуют JEV_API_KEY. Исходная демонстрация использует только векторный поиск. Инструменты оценки сравнивают стратегии на NFCorpus; гибридный конвейер сочетает BM25, векторный поиск, слияние и переранжирование.

Awesome Jev — каталог сообщества heyjunpenn с категориями SDK, агентов, приложений, исследований и других проектов Jev. Записи объясняют решения Jev и отмечают подтверждения реализации, статус воспроизведения и происхождение метрик. Выберите категорию, затем изучите пометки о доказательствах и первоисточники, чтобы проверить реальный процесс принятия решений.

Jev Review проверяет Git-изменения или всю кодовую базу на корректность, безопасность, надёжность, совместимость и покрытие тестами. Jev выбирает доказательства, классифицирует механизмы и оценивает серьёзность; при выполнении условий выбирает рецензента через Choice. Код применяет пороги и правила процесса. Node.js 24+, Git и ключ TypeSafe позволяют получать JSON-отчёты или просматривать сохранённые ревью локально.

Проект управляет игроком Minecraft Java 1.16.5 через Mineflayer, отделяя модель планирования от выбора действий через Jev. Настройте ретранслятор моделей и локальные пути, установите зависимости, запустите ванильный сервер и описанный процесс nether-agent.

Список группирует провайдеров, SDK, процессы агентов, инструменты контекста, игры и оценки с источниками и ограничениями. Изучите Choice, Score и Noul, затем следуйте категориям и исследовательским заметкам с фиксированными коммитами к коду.

System One Connector предоставляет агентам типизированные решения через команду evaluate и интеграцию MCP. Он подключает Jev либо совместимые самостоятельно размещённые модели, например CLM и Laya. Задайте вопросы Choice, Noul или Score; предусмотрены настройка агентов и пакетная оценка.

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.