工作流自动化

原生 CLI 支持交互式终端、脚本请求与嵌入，并提供技能、MCP 服务器和子智能体扩展。 Jev 接收审核策略、上下文和待执行动作，为权限流程返回 clear 或 caution 判断。

流程依次形成学习目标、数学内容、视觉方案和 Manim 场景，再检查实际渲染结果。 Jev 读取候选产物及 Astra 的文字审查，通过 Score、Noul 和 Choice 返回判断，不直接接收图像。

模型根据状态与候选项回答选择、布尔和有序评分问题，无需解码回答词元。 NanoJev 是受 Jev 启发的独立本地模型，录像对比包含在同一游戏接口下运行的 Jev 和未微调 Qwen。

RAG-Fusion 生成多个查询变体，再用倒数排名融合合并结果，寻找单一查询可能遗漏的资料。 Jev 是评估流程中的可选重排器，相关实验需要 JEV_API_KEY；原始演示仍只使用向量检索。 可用评估工具在 NFCorpus 上比较检索策略；混合流程结合 BM25、向量检索、结果融合和重排。

Awesome Jev 是 heyjunpenn 维护的 Jev 社区目录，按 SDK、智能体、应用、研究等类别组织。 条目解释 Jev 具体决定什么，并记录实现证据、复现状态和指标来源。 按类别浏览，再结合证据标签和上游链接检查项目的实际决策流程。

Jev Review 扫描 Git 差异或完整代码库，检查正确性、安全性、可靠性、兼容性和测试覆盖。 Jev 选择证据、判断问题机制并评估严重程度，满足条件时通过 Choice 选择审查者；代码负责阈值与流程策略。 使用 Node.js 24+、Git 和 TypeSafe 密钥，生成 JSON 报告或在本地查看已保存审查。

该项目通过 Mineflayer 控制 Minecraft Java 1.16.5 玩家，由独立模型负责规划，Jev 负责选择玩家动作。 配置模型中继与本地运行时路径，安装依赖、启动原版服务器，再按文档启动 nether-agent 工作流。

该精选清单按服务商、SDK、智能体工作流、上下文工具、游戏和评估整理 Jev 项目，并附来源与限制说明。 先读 Choice、Score 和 Noul 简介，再按工作流分类及固定提交的研究笔记追溯源码。

System One Connector 通过 evaluate 命令和 MCP 集成向编程智能体提供类型化决策。 可连接 Jev，也可连接 CLM、Laya 等兼容的自托管模型。 定义 Choice、Noul 或 Score 问题，利用提供的智能体配置与批量评估功能。

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.