awesome-jev-zh
Jev / TypeSafe System One 中文精选列表:官方资料、SDK、爆款应用、Agent 工具、开源复现与独立评测,附中文上手指南,每日自动收录 GitHub 热门项目。
https://github.com/yzfly/awesome-jev-zh
Last synced: about 1 month ago
JSON representation
🤖 Agent 工具
社区
- **NiazMorshed2007/jev-review** - review) | 本地优先 MCP:Claude Code / Codex / Cursor / OpenCode 边写边拿结构化质量审查 |
- **0xNatoshi/jev-codex-router** - codex-router) | Codex 每轮路由:Jev 选模型、思考深度和速度模式 |
-
**y0usaf/pi-jev**
- jev) | Pi 扩展:影子模式工具调用门控、输出评判、类型化
jev_ask| - **dbreunig/building-with-jev-skill** - with-jev-skill) | 一个专门教 Agent「怎么写调用 Jev 的程序」的 Skill |
- **DevMortimer/pi-warden** - warden) | Pi 护栏:把判决当成 held tool result 而不是弹窗;对照项目规则文件检查写入 |
- **Dicklesworthstone/skillranker**
- **supercorp-ai/supercov** - ai/supercov) | 给编程 Agent 的代码质量与测试覆盖率:Jev 给每个源文件打分,Agent 就知道先修什么 |
-
**Ying-Kai-Liao/jev-browser**
- Kai-Liao/jev-browser) | LLM 规划、Jev 在 Playwright 快照上决定每次点击(约 300ms/次)。含 MCP:
npx -y -p jev-browser jev-browser-mcp| - **nidhi-singh02/agent-router** - singh02/agent-router) | CLI 按任务挑 Cursor / Claude Code / Codex / OpenCode + 模型档位,然后直接启动 |
- **GhalebDweikat/winnow**
- **shantanugoel/ask-jev-skill** - jev-skill) | Hermes Skill:Agent 需要有界决策时去问 Jev |
- **compozy/yoshi**
-
**jomatsu/pi-jev-auto-mode**
- jev-auto-mode) | Pi 自动模式:Jev 按语义批准
bash/write/edit,判断不了就拒绝 | - **blakestone-x/jev-mcp** - x/jev-mcp) | Python MCP:classify / score / check / match / screen |
- **sharziki/semdecide**
- **romaluev/jev-ego** - ego) | ego lite 上的浏览器 Agent,observe / act / suggest / step CLI |
- **AbdelStark/bicameral**
- **samtay32/jev-system-architect** - system-architect) | 专找代码里脆弱的语义逻辑,改写成 Choice / Score / Noul 边界 |
🍳 Cookbook 与模式
独立评测
- 置信度门控路由
- 投机扇出
- 组合打分
- 意图路由
- Parallel questions
- Line-by-line search
- Re-ranking
- Guardrails for LLMs
- Double-checking citations
- Classifying RAG passages
- Function calling
- Skill suggestion
- Hierarchical classification
- SDE cascade
- Date extraction
- Pre-parsed value extraction
- Entity alignment
- Autoresearch feature discovery
- Classification using confidence
- Structure recovery
- Self-consistency: nouls
- console cookbooks
🎮 Demo
社区
- **standardagents/jevpilot**
- **openroboto-ai/jev-robot-control** - ai/jev-robot-control) | MuJoCo 里的 xArm7 把苹果放进盘子,三个模型同台:Jev 1.13 和 GPT-6 Astra 都放进去了,成本 $0.019 对 $5.93(墙钟 182s 对 707s),GPT-4.1 mini 撞到 160 周期上限没完成。单次试验,物理和关节控制留在代码里 |
- **sorrycc/typesafe-snake** - snake) | 中文社区出品(sorrycc,umi 作者):贪吃蛇每个 tick 一次 System One 选择,只在合法走法里选 |
- **phyous/tsai-sc** - sc) | Jev 用键鼠操作原版星际争霸共享战役,带验证跑次与概率轨迹 |
- **opaielsheikh/ai-elo-ranker** - elo-ranker) | 高速递归 AI Elo 锦标赛引擎,Jev + 瑞士轮匹配 |
- **lukaske/jev-doom-agent** - doom-agent) | 浏览器里的 Doom(Chocolate Doom WASM),空间状态 + 实时决策遥测。官方发布 demo 的同源玩法,约 $7/小时 |
- **lbotinelly/jev-little-airways** - little-airways) | 玩具群岛空管:每架飞机只看得见自己附近,Jev 判断备降 / 紧急 / 谁先落地,约 150ms |
- **phureewat29/got-jev** - jev) | 权力的游戏角色扮演:故事模型写下一场,Jev 回答「他在哪、多危险、配什么音乐」 |
- **mizchi/jev-gomoku** - gomoku) | MoonBit 客户端 + 两个 Jev 互相下五子棋,配套文章带耗时日志 |
- **joshlarsen/jev-t-rex-runner** - t-rex-runner) | Chrome 小恐龙由 Jev 来跳 |
- **siroccomask/snake-jev** - jev) | 贪吃蛇,每局几百次类型化转向决策 |
- Jev Tetris
- Jev Pac-Man
- Yes / No
- TypeSafe Typewriter
- Hollow Creek
- Jev Guard
- Jev Room
- Ask Jev
- 1kpapers
- Probably
- RISC-jeV - V 指令。看组合原理的,不是更快的算法 |
- Jev Plays Pokémon
- Jev City
- Jev 聊天小游戏
- Kernel 浏览器演示
- Tester Army
- NoSugarForKids
- 官方智能家居 demo
🧠 Jev 是什么
三个原语
🧰 SDK 与客户端
官方
-
**typesafe-ai/typesafe-sdk-js**
- ai/typesafe-sdk-js) |
npm i @typesafe-ai/sdk| 官方 TS/JS 客户端,类型定义完整 | -
**typesafe-ai/typesafe-sdk-python**
- ai/typesafe-sdk-python) |
pip install typesafe-sdk| 官方 Python 客户端,同步/异步双版本,自带重试 | -
Vercel AI SDK provider
- sdk/typesafe-ai
|experimental_evaluate+typeSafeAi.evaluationModel('jev-latest')` |
社区
- **pithings/advocaat**
- **dannote/jev**
- **kieranklaassen/ruby_llm-typesafe** - typesafe) | RubyLLM 2 的 TypeSafe provider,带离线模型元数据 |
- **shiftynick/jev-axi** - axi) | 面向 Agent 的 CLI:pick / rate / check / rank / triage |
- **Twister915/typesafe-ai** - ai) | 另一个 Rust 客户端,异步 + 阻塞传输、可观测重试 |
- **saibimajdi/typesafeai-dotnet-sdk** - dotnet-sdk) | 类型化问题 + 带置信度的答案 |
- **nshkrdotcom/typesafe_sdk**
- **joshmn/typesafe-sdk** - sdk) | Ruby 3.1+ 客户端,线程安全连接池;无异步客户端 |
- **y0usaf/typesafe-cli** - cli) | 命令行直接问 noul/choice/score,返回数字不返回废话 |
- **gilljon/typesafe-ai-rs** - ai-rs) | 独立的异步 / 阻塞 System One 客户端 |
-
**Gaurav-Gosain/jev-go**
- Gosain/jev-go) |
go get github.com/Gaurav-Gosain/jev-go,返回类型化判断与校准概率 | - **jamesward/zio-typesafe-ai** - typesafe-ai) | ZIO 客户端,带 noul/choice/score 小 DSL |
- **Butochnikov/laravel-typesafe-jev** - typesafe-jev) | Laravel 12/13 集成:Facade、scoped DI、recording fake |
- **GenieRobot/typesafe-ai-rails** - ai-rails) | Rails 集成:配置、用量/成本遥测、可选置信度策略 |
- **AboveColin/jevclient**
- **Butochnikov/typesafe-sdk-php** - sdk-php) | 类型化 DTO、Promise 与异常 |
- **AbdelStark/s1-rs** - rs) | derive 宏层:Choice/Score/Noul、类型化问题集、置信度门控、无网络测试 |
- `typesafe-ai`
📖 中文指南
两份独立评测,十分钟能读完
⭐ 优质项目
- **browser-use/jev-ultrafast** - use/jev-ultrafast) | 浏览器 Agent | 全生态第一爆款。一次请求里让 Jev 同时选出「做什么操作」和「操作哪个 DOM 元素」,只有真要打字时才叫小模型。Google Flights 苏黎世→伦敦订票 7 秒 / $0.0039。同类见 应用 |
- **OpenByteInc/QuantDinger** - 应用) |
- **NandhaKishorM/laya**
- **tamaratran/fast-jev-compaction** - jev-compaction) | 上下文工程 | Claude Code 插件:把上下文压缩的「总结」换成 Jev 判断——每次工具调用和结果都打分,决定留不留。上下文工程的新范式,Agent 工具 里的 winnow、yoshi 都是同一思路的变体 |
- **vercel/eve** - ai/jev` 从白名单里挑语言模型。目前把 Jev 放进默认路径的主流框架,就这一个。同类见 Agent 工具 |
- **TianyuCodings/NanoJev**
- **jarrodwatts/jev-trader** - trader) | 链上交易 | 每个 Monad 区块对 Kuru 的 MON-USDC 做一次买卖决策——区块时间摆在那儿,这是少数几个「延迟本身就是硬约束」的场景。在线:jev-trader.vercel.app |
- **jaredpalmer/kev** - 8b 0.77 对真 Jev 0.86(作者自测)。M5 上 1h45m 能训出 0.5B |
-
**typesafe-ai/skills**
- ai/skills) | 官方技能包 | 官方出的 Agent 技能包:原语、模式、怎么组织 evaluation。
claude plugin install typesafe@typesafe-ai。其余官方仓库见 官方资源 与 SDK | - **bespokelabsai/nimble** - 9B 上只对答案 token 做 LoRA,324 条留出样本对齐参考标签 90.1%(基座 66.4%、Jev 1.13.0 93.2%),明确声明没有蒸馏 Jev。Mac 与 NVIDIA 都能跑。同类见 复现与评测 |
- **vinnylarouge/jevlike**
- **yibie/awesome-jev** - jev) | 清单 | 另一份英文清单,除了项目和集成还收社区争论,想看反对意见的去这儿。其他同类见 其他 awesome 列表 |
- **Anil-matcha/awesome-jev-by-typesafe** - matcha/awesome-jev-by-typesafe) | 清单 | 英文清单里做得最细的一份:用例、模式、prompt、起步代码,每条都标了出处。其他同类见 其他 awesome 列表 |
- **awlevin/typesafe-computer-use** - computer-use) | computer use | macOS computer-use:OCR 屏幕 → Jev 分类下一步动作 → 点击。约 $0.0002/步 |
- **githubnext/localjev** - compatible, but not mathematically equivalent」。同类见 复现与评测 |
- **milind-soni/tiptour-macos** - soni/tiptour-macos) | computer use | macOS 本地 computer use:CoreML + OCR 在本机认出按钮和文字,Jev 只从这份控件清单里选点哪一个,截图不出本机。作者报单步约 90ms。同类见 应用 |
🚪 体验渠道
三个原语
- **classifier.dev** - 1.13.0` | 220ms 逐条 · 20ms 批量 | 想立刻摸到真 Jev 就走这条,代价是只剩「分类」一个功能 |
- **Vercel AI Gateway** - ai/jev` | 310–370ms | 三个原语齐全的最快路径,绑卡这关劝退不少人 |
- 官方 adapter
- OpenRouter - 1.13` | — | 暂时别指望,见下 |
坑清单
本地部署:完全离线的几条路
- **yzfly/edgejev** - 优质项目) 那一栏。放在这里是因为它正好解决这一节的问题,数据都可以自己复现。
- razorback16/openjev
- ekzhang/openjev-sglang - only) | SGLang | 同上,装起来有门槛 |
🔬 复现与评测
开源复现
-
**Heman10x-NGU/openJev-verdict-2.0**
- NGU/openJev-verdict-2.0) | 151M 的非自回归决策引擎(ModernBERT-base + GLiClass),单次判断约 20–25ms,还带一个 WebGPU 的浏览器端引擎。JevBench v1.4 引擎那一行排到第 4。注意仓库里 Verdict 2.0 的权重还是 Git LFS 指针,能下载的是 HF 上的
rlcd-modernbert-151m| - **hr98w/jev-visual** - visual) | Apple Silicon 上的 Jev 风格视觉推理教学实验:共享上下文、直接给候选打分 |
-
**logan-markewich/jeff**
- markewich/jeff) | GLiFormer 400M 撑起的自托管 Jev 替身:官方
typesafe-sdk把TYPESAFE_BASE_URL指过来就能切,choice / score / noul 全支持。作者自己写明自托管便宜、但推理重的任务不如 Jev | - **kshetrajna12/reflex**
- **bnsd55/jevmlx**
- **deepanwadhwa/OpenDecision** - large 零样本 NLI 当决策引擎:把每个选项当作蕴含假设打分。除 Choice / Noul / Score 外多一个 Relation(支持 / 矛盾 / 未知 / 冲突),带文档取证检索,有 TypeSafe SDK 兼容端点和 ViZDoom demo |
-
**ikermoel/open-alternative-jev**
- alternative-jev) | 是库不是服务(
pip install open-alternative-jev,import 名so1),不提供 HTTP 端点。RACE-H 上 packed 模式 92.9% / 4.55 题每秒,比逐题前向的 1.66 快 2.7 倍,处理 token 数少 60%。HF Space 有免装 demo。JevBench 顺带测出一个坑:选项顺序反过来,同一模型的是非题准确率从 72% 掉到 21% | - **r-ms/mini-jev** - ms/mini-jev) | 冻结的 Qwen3-4B 上,Jev 式类型化决策接口长什么样 |
- **zhengxuyu/litjev** - Pro 直答评测 |
- **mithalouni/system-one-open** - one-open) | Gemma 4 E2B(注意力 LoRA)+ Gemma 3 270M,在 Modal 上训练与部署:TypeSafe 公开评测的严格子集 76.7%(Jev 86.9%),27 个问题一次调用 97ms(H100)。八个复刻官方发布 demo 的页面都是实录 |
- **rorshopping/jev-on-a-laptop** - on-a-laptop) | 非官方研究:1.5B–8B 现成模型在 Apple Silicon 上做并行类型化决策 |
-
**sgoedecke/system-one**
- one) | 把任意 LLM 变成 System One 的最小实现:批量单 token 选择推理,与
typesafe-sdk兼容。用 Qwen3-8B 复刻了 Doom 和 Wikiracing——同模型同提示下,比走普通 tool call 快 3.5 倍(动作间隔 172ms vs 600ms) | - **OmniJev/PlayJev** - 0.8B 看 448 px 游戏画面玩十个网页小游戏,一次前向读选项字母的概率出招,不生成文本;权重、两轮 DAgger 的复现脚本和浏览器 demo 都公开 |
- **stephanj/parallelConstraintDecoding**
- **genai-craft/openvons** - craft/openvons) | 日文向 open-Jev:文本 / 图像 / 日语语音命令的概率判断层 |
- **siliconkernel/vllm-jev-decison** - jev-decison) | 给 vLLM 加「只分类」模式:有限 schema 候选打分 + 概率 |
-
**us/jev-local**
- local) | 一条命令起本地
/v1/systemone(Docker Compose + 冒烟测试),默认 Qwen3.5-9B 按每个选项的平均 logprob 打分,16GB Mac 可切 light 档的 Qwen2.5-3B。注意默认 scorer 是确定性桩、不带智能,要真模型得设JEVLOCAL_SCORER=hf| - **kotoba-lang/typed-decisions** - lang/typed-decisions) | 同一套 Jev 形状分别做在 ModernBERT 编码器和 LLaDA-MoE 扩散语言模型两个骨干上,速度、准确率、校准、训练成本四项并排列出来,适合对比两条技术路线 |
- **NullPo-jp/PocketJev** - jp/PocketJev) | iPhone 端侧视觉判断:MLX + Qwen3-VL 选项 logits。相机 + 三选一,约 1 秒,不存照片 |
- **Octalab-Inc/jqv** - Inc/jqv) | 按 Hume 那篇架构拆解 在 stock Qwen3 上复刻 Jev 的推理结构:state 预填一次、每个问题在块状注意力掩码后走独立分支、直接读选项字母 logits,单一拟合温度做校准。五种推理结构(generate / naive / kvcache / packed / shared)可在同一模型同一提示上切换对比,适合拿来搞清楚这套结构各步分别值多少 |
- **isHeSatoshi/smalljev** - 2B-Base + LoRA 与原生决策头,Apache-2.0,主打「在你妈的手机上也能跑」。作者主动披露:训练配方对着 JevBench 的公开题型与来源族做过 hill-climbing,读它的自测分时要记得这点 |
独立评测
- **vinilana/jev-eval-agent** - eval-agent) | 早期 Jev 测试的公开评测 harness |
- **nekuda-ai/WindTunnel** - ai/WindTunnel) | WebMCP 基准,21 种配置横向比成功率 / 成本 / 耗时。Jev + Mercury 2.5 走 WebMCP 49/49 全解、每次中位 $0.0011、3.2 秒,排第一;同一对模型改走 ultrafast DOM 控制只剩 25/49,单次更便宜($0.0008)但成得少。少见的第三方横向基准,成本和时延都列了 |
- **fstandhartinger/jevbench** - 5.6 写、交叉评审,开跑前就冻结并哈希,一半留出不公开)。榜上共 42 行结果、36 个不同项目:38 行进榜(Jev 本体 1、开源复现 28 行对应 23 个项目、通用分类器 5、闭源决策 API 1、LLM 基线 3),外加 1 个名誉提名(classifier.dev,fast 档本身就是 Jev,排进去等于让 Jev 跟自己比)和 3 行只跑完一部分的。按智能 / 校准 / 速度 / 成本四轴各 25% 取几何平均——某一轴弱会把总分拽下去。v1.2.10 榜首 Jev 1.13.0 75.4,SemIf 74.7、djev 74.3 紧随其后。成本列的单位是每千次决策而不是每千 token,作者还专门发过一版修正把这个单位写清楚。局限写得很坦白:自托管与 demo 端点的延迟统一 ×2 + 0.15s 是假设不是实测。一人业余项目,与 TypeSafe 无关 |
- **iammrduncan/typesafe-ai-benchmark** - ai-benchmark) | 同一套 System One 问题,对比 Jev 与 Cerebras 上的 Qwen 3.8 27B |
- **AbdelStark/jev-benchmarks** - benchmarks) | 面向类型化决策模型的概率感知评测框架 |
- **mahlernim/jev-korean-benchmark** - korean-benchmark) | 韩语理解与医学文本的可复现 early-access 评测。非英语场景的少有数据点 |
- **anessbelbati/jev-rerank-bench** - rerank-bench) | 重排序对比:原始 provider 响应、打分代码、不确定区间、写明的局限 |
- **Gaurav-Gosain/jev-sec-bench** - Gosain/jev-sec-bench) | 公开语料盲测:提示注入与漏洞代码检测 |
- **anisselbd/jev-phishing-bench** - phishing-bench) | 全生态最严谨的一份评测。2000 封钓鱼邮件对比 Claude Haiku 4.5:Jev 直接问「该不该点」只有 62.6% 准确率(Haiku 81.3%),但同一次调用里拆成 5 个信号问题、再做逻辑回归就到 95.0%。作者还在被质疑后补了三组对照(非 AI 正则基线 91.8%、样本切分、同样问题问 LLM)。延迟 239ms vs 687ms,成本 $0.038 vs $0.462 / 千封 |
- **TokenTrim/jev-agent-failure-benchmark** - agent-failure-benchmark) | Who&When Pro(注入的 Agent 故障):预测是谁 / 哪一步 / 哪类错误 |
- **lexingtonhibiki/judgekit**
- **jmanhype/jev-dspy-lab** - dspy-lab) | DSPy 配套评测:录制并重放调用,测校准、选择性风险、置信度弃权、延迟、成本 |
- **bitnovus/jev-spam-eval** - spam-eval) | 18,514 封邮件:一段写出来的垃圾邮件定义拿到 98.3%,和用 ~14,800 条标注训练的 TF-IDF(98.4%)打平,两者平均后 99.2%。最关键的是分布漂移——换到 2026 年的新邮件,同一个问题仍有 97.3%,TF-IDF 掉到 72.5%。作者自己标注了「判据是看过错误样本后写的」这一 caveat |
- **teyhouse/jev-secret-detection** - secret-detection) | 测量 Jev 在代码片段里识别真实密钥凭证的能力 |
📘 官方资源
- TypeSafe 官网
- 文档首页
- Quick start - 上手) 一节是它的中文版 |
- Playground
- API Keys 控制台
- HTTP API 参考
- Models
- Confidence
- State 概念
- System One 概念
- How to build with TypeSafe
- 用例地图
- AI 入门读本
- Jev 1.13 能力毛边
- Workflow evals
- Agent skill 文档
- GitHub 组织 `typesafe-ai`
- 法务条款
- Introducing System One Models and Jev
- The Bitterest Lesson
- AI: too good to be true, too bad to be useful
- Manifesto
🛠 应用
社区
-
**mrmps/classifier-dev**
- dev) | 零样本文本分类的公开 HTTP 服务(classifier.dev),一个 Cloudflare Worker,免 key 免注册,
curl classifier.dev/spam,not+spam/...就能用。fast 档直接是 Jev(API 返回model: jev-1.13.0),smart 档把 Jev 置信度低于 0.7 的题再交给推理模型复问——典型的置信度门控级联。JevBench 因此把它列为「跑别人模型的服务」,只登记不排名 | - **shhivv/third-hand** - hand) | macOS 控制,Jev 是唯一模型,不挂任何 LLM。它「输入」的文字是从你那句指令里挑出来的,不是生成的——所以能填表单,写不了新句子。Apple Silicon 签名版可直接下载 |
- **kitze/skillbox**
- **lakeday-org/perch** - org/perch) | AST 驱动的语义 code lint |
- **kitze/unclutter**
- **RomanSlack/jev-drone** - drone) | MuJoCo 四旋翼:控制与安全留在代码里,Jev 只做 2.5Hz 的战术判断 |
- **mrnugget/jev-shell-history** - shell-history) | Thorsten Ball 写的 zsh 历史补全:最近 100 条去重历史当候选,Choice 选一条、Noul 再把关要不要显示,过期结果直接丢。fish 那种体验,但按语义排 |
- **trungdq88/youtube-sponsor-detection** - sponsor-detection) | 看 YouTube 时跳过口播广告:字幕分窗交给 Jev 判断哪几句是赞助,程序再把句子编号换算成时间轴。没字幕就先走语音转写 |
- **ChetasLua/jevmeter**
- **realZachi/typesafe-adblock** - adblock) | Chrome 扩展,逐个 DOM 元素问「这是广告吗」。规则库可以退休了 |
- **jexp/neo4jev**
- **monteduro/killmyidea**
- **yusukebe/hono-jev-router** - jev-router) | Hono 语义路由:不看路径看请求的意思——人来的返网页、Agent 来的返 Markdown。逐条判断路由描述取第一个过阈值的,普通路由优先。在线:hono-jev-router.yusuke.run |
- **AboveColin/HA-Jev** - Jev) | Home Assistant 集成:把「关于家里状态的类型化提问」变成传感器与自动化动作,带每日 token 预算实体 |
- **ellipsis-dev/blink** - dev/blink) | 代码库语义搜索,Jev 驱动。不用向量库 |
- **devanshbatham/commit-miner** - miner) | Rust CLI,给 commit diff 分类:修 bug、安全/CWE、变更类型,出 HTML/CSV 报告 |
- **TarunTomar122/jev-askable-arm** - askable-arm) | 仿真 Franka 机械臂:英文目标 zero-shot,Jev 把硬编码原语串起来 |
- **reachjalil/jevlogs**
- **sufianetaouil/every**
- **santos-sanz/jev-audio-beeper** - sanz/jev-audio-beeper) | 低延迟脏话检测:Jev 判定后 ffmpeg 在约 466ms 内叠一声 beep |
- **asfarsadewa/human-compiler** - compiler) | 粘贴职场废话,Jev 给「被动攻击 / 紧急感 / 信息密度」打分,代码按 rustc 风格报诊断。在线:human-compiler.asfarlab.fun |