İş akışı otomasyonu

Yerel CLI etkileşimli kabuk, betik istekleri ve gömülü kullanımı; becerileri, MCP sunucularını ve alt ajanları destekler. Jev inceleme politikasını, bağlamı ve bekleyen eylemi alıp izin akışına clear veya caution kararı döndürür.

Akış öğrenme özeti, matematik içeriği, görsel plan ve Manim sahnesi üretip gerçek çıktıyı inceler. Jev ürünleri ve Astra’nın yazılı denetimlerini Score, Noul ve Choice ile değerlendirir; görüntüleri almaz.

Durum ve adaylardan seçim, Boolean ve sıralı puan sorularını yanıtlar; yanıt tokenlerini çözmez. NanoJev, Jev’den esinlenen ayrı bir yerel modeldir; kayıtlar aynı oyun arayüzlerinde Jev ve ayarlanmamış Qwen’i karşılaştırır.

RAG-Fusion sorgu varyasyonları üretir ve tek sorgunun kaçırabileceği belgeleri bulmak için sıralamaları Reciprocal Rank Fusion ile birleştirir. Jev değerlendirme hattında isteğe bağlı bir yeniden sıralayıcıdır; deneyleri JEV_API_KEY gerektirir. İlk demo yalnızca vektör araması kullanır. Değerlendirme araçları NFCorpus üzerinde stratejileri karşılaştırır; hibrit hat BM25, vektör araması, birleştirme ve yeniden sıralamayı bir araya getirir.

Awesome Jev, heyjunpenn’in SDK, ajan, uygulama, araştırma ve başka kategorilerde düzenlediği topluluk kataloğudur. Kayıtlar Jev’in neye karar verdiğini, uygulama kanıtlarını, yeniden üretim durumunu ve ölçümlerin kaynağını açıklar. Kategorilere göz atın; kanıt etiketleri ve asıl kaynak bağlantılarıyla projenin gerçek karar akışını inceleyin.

Jev Review Git farklarını veya tüm kodu doğruluk, güvenlik, güvenilirlik, uyumluluk ve test kapsamı açısından tarar. Jev kanıt seçer, mekanizmaları sınıflandırır, önem derecesini puanlar ve koşullar sağlandığında Choice ile inceleyiciyi seçer. Kod eşikleri ve iş akışı politikasını uygular. Node.js 24+, Git ve TypeSafe anahtarıyla JSON raporu oluşturun veya kayıtlı incelemeleri yerelde görüntüleyin.

Proje, Minecraft Java 1.16.5 oyuncusunu Mineflayer ile yönetir; ayrı model planlama yaparken Jev oyuncu eylemlerini seçer. Model aktarımını ve yerel çalışma yollarını yapılandırın, bağımlılıkları kurun, vanilla sunucuyu başlatıp belgelenen nether-agent akışını çalıştırın.

Liste sağlayıcıları, SDK’leri, ajan akışlarını, bağlam araçlarını, oyunları ve değerlendirmeleri kaynak ve sınırlama notlarıyla düzenler. Choice, Score ve Noul girişini okuyup ilgili kategorileri ve commit’e sabitlenmiş araştırma notlarını koda kadar izleyin.

System One Connector evaluate komutu ve MCP entegrasyonuyla kodlama ajanlarına türlenmiş kararlar sunar. Jev’e veya CLM ve Laya gibi kendi barındırdığınız uyumlu modellere bağlanır. Choice, Noul veya Score soruları tanımlayın; ajan kurulumu ve toplu değerlendirme sağlanır.

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.