Jev AI-Projekte auf GitHub
Ranking und Auswahl.

Jev wählt anhand des aktuellen Seitenzustands eine Browseraktion und ein Element; ein separates Modell erzeugt den einzugebenden Text.

Ein Android-Chatassistent, der sichtbare Nachrichten per Bedienungshilfe oder OCR liest, mit Jev Absicht und Risiko bewertet und Antwortentwürfe sortiert, ohne sie zu senden.

Ein Claude-Code-Plugin, das Jev über Behalten, Kürzen oder Entfernen von Tool-Aufrufen und Ergebnissen entscheiden lässt, ohne den Gesprächstext umzuschreiben.

Ein Trading-Bot für Monad mit optionalen Kauf- und Verkaufsentscheidungen durch Jev; standardmäßig nutzt er eine simulierte Regel.

CLI und Agenten-Skill, der mit Jev passende Ordner, Dateien und Deklarationen verfolgt und Quelltextauszüge sowie Lesehinweise liefert.

Ein Windows-Helfer für WeChat mit lokaler Bildschirmaufnahme, OCR, Jev-Urteilen und sortierten Antwortvorschlägen; Einfügen und Senden bleiben manuell.

Stellt unterstützte offene Entscheidungsmodelle über vLLM bereit, mit Batching, multimodalen Eingaben und einer System-One-API für Choice, Noul und Score.

Jev beobachtet den Fortschritt von Coding-Agenten und erkennt, wann Prüfung oder Eingreifen nötig ist.

Bewertet Diffs und Codebestände mit gestuften Jev-Entscheidungen zu Risiko, Belegen und Schweregrad.

Installierbare Jev Skills und bearbeitbare Agenten-Workflows mit Szenariovorlagen, aufgezeichneten Beispielen und Tests.

Wählt mit Jev für jeden Schritt in Claude Code oder Codex eine Modellklasse, ohne den bestehenden CLI-Ablauf zu ändern.

Ein MCP-Server mit Jev-Werkzeugen zum Prüfen, Filtern, Bewerten und Reviewen von Code.

Wählt mit Jev Suchquellen aus und sortiert Ergebnisse von Search1API; angezeigt werden Links statt generierter Antworten.

Lässt ein Autoren-LLM einen aufgabenspezifischen Jev Harness erstellen und optional weiterentwickeln, bevor Code und Fragen für nachvollziehbare Laufzeitentscheidungen eingefroren werden.

Ein macOS-Overlay für WeChat, das Gespräche per Bildschirmaufnahme und OCR liest, mit einem lokalen Modell oder Jev Absicht und Risiken erkennt und Antworten entwirft, ohne sie automatisch zu senden.

Ein mobiler Agent, der mit Jev Aktionen auf Android über Mobilerun auswählt – mit Live-Studio und Ausführungsprotokollen.

Eine Browsererweiterung, die Seitenelemente mit Jev als störend einstuft und ausblendet und lokale Regeln für passende Seitenvorlagen wiederverwendet.

Wählt mit Jev Aktionen in einem Headless-Browser und liefert Schrittprotokoll, Zielseite und Screenshot.

Ein semantischer Linter, der Code mit Jev anhand eigener Regeln prüft.

Drei Bots für simulierten Handel, bei denen Jev gültige Marktaktionen wählt und Code Budgets, Wartezeiten und Ausführungslimits erzwingt.

Eine offene Benchmark-Suite zum Vergleich typisierter Entscheidungsmodelle der Jev-Klasse nach Qualität, Kosten, Latenz und Zuverlässigkeit.

Ein CLI-Tool, das Jev-Klassifikatoren mit menschlichen Labels und GEPA verbessert.

Das offizielle Python-SDK für typisierte Fragen an Jev und strukturierte Ergebnisse.

Der offizielle TypeSafe-Client für typisierte Fragen und strukturierte Jev-Antworten in JavaScript oder TypeScript.

Eine selbst gehostete Skill-Bibliothek für Agenten mit optionalen Jev-Empfehlungen für freigegebene Skills über TypeSafe, OpenRouter oder Vercel AI Gateway.

Ein Entscheidungs-Plugin für DeepSeek Harness, das Jev für klar begrenzte Urteile in DSH und kompatiblen Coding-Agent-Workflows nutzt.

Dreißig ausführbare Jev-Beispiele in zehn Stufen: von einfachen typisierten Entscheidungen bis zu Hooks, Werkzeugen und autonomer Nutzung durch Coding-Agenten.

Erweitert PostgreSQL um semantische Filter-, Extraktions-, Ranking- und Prüfoperatoren mit Jev-Ausführung, Caching und nachvollziehbaren Wahrscheinlichkeitsdaten.

Kombiniert Kryptomarkt-Daten und ausgewählte X-Beiträge und lässt Jev Handlungsrichtung, Stimmung, Squeeze-Risiko und Auslöser beurteilen; führt keine Trades aus.

Ein Workflow-Werkzeug für mehrere KI-Anbieter; ein optionales Modul übergibt klar begrenzte Entscheidungen an Jev und hält Regeln sowie Artefakte wiederverwendbar.

Ein DeepSeek-Harness-Plugin, das Jev für Skill- und Dateiauswahl, Überwachung, Ergebnisfilterung, Korrekturen und Genehmigungshilfen nutzt.

Eine lokal ausgeführte App für Social-Media-Recherche. Jev Choice wählt aus bereits erfassten Zielen schreibgeschützte Aktionen für Instagram, TikTok und LinkedIn; die socai CLI führt sie im Chrome des Nutzers aus und liefert Belege mit Quellenlinks.

Ein Windows- und Chrome-Prototyp für Codex: Jev trifft semantische Wahlen, lokaler Code führt Schritte aus, prüft Ergebnisse und übernimmt die Wiederherstellung.

Ein TypeScript-AI-SDK, dessen decide-Schnittstelle TypeSafe Jev und weitere Entscheidungsdienste für typisiertes Routing, Gates und Relevanzprüfungen unterstützt.

Ein kollaborativer visueller Workflow-Editor, der Jev- und LLM-Knoten verbindet, eine REST-API bietet und Testläufe als Vorschau zeigt.

Eine semantische grep-CLI, die Quellcodezeilen mit Jev nach Bedeutung bewertet und Filter mit AND, OR und NOT kombiniert.

Inoffizieller Agenten-Skill für typisierte Jev-Entscheidungen, Workflows mit Konfidenzwerten und wiederverwendbare Muster aus Community-Projekten.

Ein robuster Nachrichtenagent, der Quellen planmäßig sammelt, Beiträge mit Jev filtert, zusammenführt und als Hype, Fakten und Signal bewertet und nach Neustarts fortsetzt.

Eine Rust-CLI, die Agenten-Skills mit Jev-kompatiblen Diensten zum aktuellen Sitzungskontext bewertet, inklusive Enthaltung, Hooks und lokalem Feedback.

Ein Claude-Code-Skill, der große Filter-, Klassifizierungs- und Rankingaufgaben an Jev übergibt und Auswahllisten samt Sicherheit zur Prüfung zurückgibt.

Eine Browser-Erweiterungsdemo, die über WebMCP bereitgestellte Seitentools mit der Auswahl durch Jev verbindet.

Prüft Tool-Aufrufe von Coding-Agenten und nicht vertrauenswürdige Ergebnisse mit Jev, bevor Aktionen erlaubt, bestätigt oder blockiert werden.

Eine Pokémon-Rot-Umgebung, die gültige Spielzustände liest und Jev Navigation, Dialoge, Team und Kämpfe wählen lässt, ohne den Spielspeicher zu verändern.

Ein macOS-Computer-Use-Harness, der barrierefreie UI-Zustände liest und Jev ohne Vision-Modell Aktionen wählen lässt.

Eine native Swift-6-Brücke, die Apple Foundation Models mit Jev für typisierte Entscheidungen samt Wahrscheinlichkeiten verbindet.

Ein Desktop-Browser, in dem ein Planungsmodell das Ziel vorgibt, Jev aus erkannten Seitenaktionen wählt und kontrollierter lokaler Code das Ergebnis ausführt und protokolliert.

Ein Werkzeug für Agenten-Evaluation und Guardrails, das Trace und Rubrik in Jev-Entscheidungen überführt und kompatible lokale Modelle ausführen kann.

CLI und lokaler MCP-Server, der freigegebene Codeabschnitte von Jev bewerten lässt und Originalauszüge mit Pfaden und Zeilennummern zurückgibt.

Eine lokal laufende, schreibgeschützte Gmail-Sortierapp, die Nachrichten mit Jev festen Ordnern und Labels zuweist.

MCP-Server und CLI, die beim Crawlen mit Jev Links und Passagen auswählen und quellengebundene Auszüge an Agenten zurückgeben.

Macht Jevs Auswahl, Bewertungen und Wahrscheinlichkeiten in Home Assistant als Entitäten und Automationen nutzbar.

Ein lokales Gateway mit Visualisierung, das Jev-Anfragen und -Antworten in SQLite speichert und Aufrufketten während der App-Ausführung live darstellt.

Ein Community-Java-Client mit Spring-AI-Integration für die TypeSafe-Jev-API.

Verteilt jeden Schritt eines Coding-Agenten per Jev-Entscheidungsmodell auf schnelle oder starke Modelle; als OpenAI-kompatibler Proxy mit reproduzierbaren Terminal-Bench-Ergebnissen.

Eine lokale Arbeitsumgebung, die OpenCV-Messungen, feste Zahlenregeln und Entscheidungen von Laya oder Jev für Landwirtschaft und visuelle Qualitätsprüfung verbindet.

Ein Android-Modul für WeChat, das Gesprächskontext an Jev sendet und Stimmung, Zwischentöne sowie Antwortvorschläge bewertet.

Eine Rails-Suchschicht, die Jev für Labels beim Indexieren, Suchabsichten und laufendes Neuranking neben Schlüsselwort- und Vektorsuche nutzt.

Nutzt in einer GraphRAG-Pipeline wahlweise lokales Laya oder Jev in der Cloud für Kanten, Traversierung und Ergebnisfilterung.

Ein selbst gehosteter Mehrbot-Chat, in dem Jev den antwortenden Bot auswählt und ein lokaler Pi-Daemon jede Runde ausführt.

Ein MCP-Server mit Jev-gestützten Werkzeugen zum Prüfen, Filtern, Ordnen und Begutachten, der Wahrscheinlichkeiten in Weiter-, Prüf- oder Eskalationsregeln übersetzt.

Eine schrittweise Jev-Anleitung mit Playground-Übungen, API-Aufrufen, Agenten-Einrichtung und einem mit Jev 1.14 getesteten, lauffähigen Modell-Router.

Go-SDK und CLI für Jev-Entscheidungen vom Typ Choice, Score und Noul in Anwendungen oder UNIX-Pipelines.

Beginnt bei einer bestätigten bösartigen Entität, folgt Telemetrie-Verknüpfungen und rekonstruiert mit Jev Zeitachse, Ausführungskette und Belegtabelle eines Vorfalls.

Eine Python-Schnittstelle für Jev-Prüfungen, Labels, Klassifizierungen und Bewertungen mit synchronen, asynchronen, gebündelten und schemabasierten Abläufen.

Jev bewertet Transkriptabschnitte; deterministischer Code schneidet daraus Highlight- und Kurzfassungen mit zeitverlinkten Zusammenfassungen.

Eine Rust-CLI, die Jev-Antworten als Terminalausgabe, JSON, Exitcodes und MCP-Werkzeuge für Skripte, CI und Agenten bereitstellt.

Ein lokales Prüflabor für Entscheidungsmodelle mit einsehbaren Testfällen, Messwerten, Workflow-Wiederholungen und portablen Berichten.

Fünfzehn getestete Jev-Rezepte für Support-Triage, Dateiorganisation, PII-Prüfung, Such-Reranking, Browser-Aktionen und weitere Aufgaben.

Prüft neue arXiv-Papers mit Jev-Wahrscheinlichkeiten gegen frei formulierte Interessen und veröffentlicht Rangliste und RSS-Feed.

Prüft Jev-Fragen mit gelabelten Tuning- und Holdout-Daten und zeigt Fehler, Kalibrierung sowie die Eignung als Entscheidungsschranke oder Ranking-Signal.

Ein Berechtigungstor für Claude Code, das Shell-Prüfungen mit Jev-Entscheidungen kombiniert, um Werkzeugaufrufe im Automatikmodus zu erlauben, abzulehnen oder weiterzugeben.

Eine Browser-Erweiterung, die den X-Feed nach Regeln in Alltagssprache filtert und dafür Jev oder ein anderes vom Nutzer gewähltes kompatibles Modell verwendet.

Jupyter-Notebook-Rezepte für Choice, Noul und Score, die veröffentlichte Live- oder Replay-Beispiele von geplanten Inhalten trennen.

Lässt das lokale Modell Laya in Snake-Rennen und einer Kampfarena gegen Jev antreten; jeder Zug entsteht durch eine echte Modellentscheidung.

Eine Jev-zentrierte Agentenschleife für DeepSeek Harness mit wiederverwendbaren typisierten Aktionen, Konfidenzschwellen, Wiederholungen und Ausführungsspuren.

Ein lokaler MCP-Server für Browser- und macOS-Aufgaben: Jev wählt begrenzte Aktionen, lokaler Code führt sie aus, prüft Ergebnisse und speichert Spuren.

Erweitert OmO- und senpi-Agenten um Jev-Entscheidungen für Skill- und Werkzeugwahl, Fortschrittsprüfung, Schleifenerkennung und optional abgesicherte Aktionen.

CLI, Paketmanager und SDK, bei denen Jev aus einer natürlich formulierten Anfrage ein installiertes Kleinprogramm auswählt und die Ausführung nach Konfidenz steuert.

Ein praxisnaher Jev-Kurs mit Notebooks zu Agenten, Routing, Sicherheitsprüfungen und weiteren Fast-Brain/Slow-Brain-Mustern.

Ein Batch-Proxy mit Python- und JavaScript-Clients wertet viele Jev-Zustände parallel aus und liefert geordnete Apache-Arrow-Streams.

Ein OpenAI-kompatibler lokaler Server verbindet ein kleines llama.cpp-Modell mit Jev-Entscheidungen und belässt die Textgenerierung auf dem Gerät.

Bindet Bilder, Videos und RGB-D an Jev an und wandelt erkannte Objekte und Szenendaten in strukturierte visuelle Entscheidungen um.

Ein Browser-Testwerkzeug: Jev findet Bedienelemente beim Erstellen, Aufzeichnungen steuern spätere Läufe und Anwendungscode bewertet das Ergebnis.

OpenCode-Magpie-Plugin, das kostenlose Modellkataloge von OpenCode Zen und Kilo Gateway findet und natives Jev-System-One-Routing ergänzt.

Ein reproduzierbares Multi-Agent-Labor mit Koordinationskern: Jev prüft parallele Schreibzugriffe von Claude Code auf Konflikte und entscheidet über Freigabe, Warten oder Eskalation an ein langsameres Modell.

Eine Vergleichs-App, die Jev und AnyJev fragt, ob eine Schlagzeile Satire oder echte Nachricht ist, und beide Entscheidungen samt Wahrscheinlichkeiten zeigt.

Zero-Shot-Erkennung benannter Entitäten: Jev wählt, prüft und typisiert Textstellen, einschließlich Wahrscheinlichkeiten, Spuren und mehrsprachiger Benchmarks.

Ein Stealth-Spiel: Jev schlägt Entscheidungen für Wachen vor; deterministischer Spielcode prüft und führt sie aus.

Bewertet 20 Jev-ähnliche Modellfamilien mit einem CLI auf acht Benchmark-Sammlungen und liefert vorbereitete Datensätze, Wahrscheinlichkeitsmetriken und herunterladbare Ranglisten.

Eine macOS-Oberfläche für Coding-Agenten, die Anfragen mit Jev an laufende Sitzungen, Ordner oder frühere Gespräche verteilt.

Indexiert sichtbare Browser-Elemente, damit Jev eine gültige Playwright-Aktion wählt, und speichert Belege sowie wiederholbare Tests.

Ein offenes visuelles 4B-Entscheidungsmodell mit veröffentlichten Gewichten sowie Trainings- und Kalibrierungscode, bereitgestellt über die TypeSafe System One API.

Ein React-Inspektor zum Verfolgen von TypeSafe-Jev-Anfragen, Antworten und mehrstufigen Entscheidungsabläufen bei der Entwicklung mit Node, Vite oder Next.js.

Ein Python-Jev-Werkzeugkasten mit synchronen und asynchronen Clients, Batches, Kalibrierung, Konfidenz-Gates, grafischen Modellen, CLI und MCP-Server.

Acht Python-Beispiele für technische Entscheidungen, darunter CAD-Routing, FEM-Triage und Stücklistenabgleich.

Eine Browsererweiterung, die lesbare Seitenabschnitte von Jev nach zehn Kriterien für Klarheit, Textqualität und Onpage-SEO bewerten lässt.

Verbindet asynchrone Jev-Box-Erkennung mit optischem Fluss und Kalman-Filter, um Objekte in Echtzeit zu verfolgen, ohne jedes Videobild durch das Netzwerk zu blockieren.

Eine Android-Hilfe für Stellenanzeigen, die Jev-Urteile und lokale Regeln kombiniert, um Gehalt, Leistungen und prüfenswerte Klauseln hervorzuheben.

Eine plattformübergreifende Desktop-Arbeitsumgebung für Claude, Codex und Grok, die Jev optional für schnelle Sprach- und Agentenentscheidungen nutzt.

Ein Google Apps Script, das Gmail mit Jev kennzeichnet, priorisiert und archiviert sowie Fristen, Phishing-Hinweise und eine tägliche Übersicht erstellt.

Ein lokaler Server, der offene Entscheidungsmodelle durch exakte Zustandsverzweigung beschleunigt und viele Text- und multimodale Familien über eine Schnittstelle bereitstellt.

Vergleicht 20 spezialisierte Entscheidungsmodelle und drei LLM-Referenzen ohne Reasoning an 1.342 Textentscheidungen in 31 Kategorien und misst Genauigkeit, Kosten sowie mediane und p95-Latenz.

Ein SeleniumBase-Beispiel, das relevantes HTML extrahiert und Jev nach Vorhandensein und Art eines CAPTCHAs fragt.

Code, Datensätze und Ergebnisse einer reproduzierbaren Blackbox-Red-Team-Studie zu universellen adversarialen Suffixen gegen typisierte Jev-Entscheidungen.

OpenCode-Plugin, das Jev-kompatible System-One-Entscheidungen als Agentenwerkzeuge bereitstellt und ausgewählte Workflow-Ereignisse automatisch bewerten kann.

Ein lokales MCP-Gateway, das deterministische PII-/PHI-Regeln mit begrenzten Jev-Entscheidungen kombiniert, bevor Coding-Agenten auf sensible Dateien zugreifen.

Eine reproduzierbare kontrafaktische Bias-Prüfung mit 134.772 Jev-Antworten dazu, wie reine Identitätsänderungen typisierte Entscheidungen beeinflussen.

Ergänzt rekursive Sprachmodell-Schleifen um kalibrierte Jev-Unteraufrufe für Klassifikation, Ja/Nein und Fundstellen, samt Kostenlimit, Offline-Tests und reproduzierbaren Experimenten.

Eine typisierte Go-Schicht für Jev und Cloudflare Clef mit Choice, Noul, Score, Anbietervergleichen, expliziten Richtlinien und Test-Fakes.

Eine Governance-Erweiterung für den pi-Coding-Agenten, die Jev für Planung, Modellauswahl, Rechteprüfung und Ergebnisvalidierung nutzt.

Ausführbare Python-Beispiele über OpenRouter, etwa zur Ticket-Triage und für Offline-Tests.

Eine selbst gehostete Kampfarena für Entscheidungsmodelle mit konfigurierbaren Kämpfern, Paarturnieren, deterministischen Wiederholungen und einem Benchmark mit 21 Modellen.

Bewertet System-One-Modelle und generative LLMs anhand von 52.199 typisierten Entscheidungen und geschlossenen Umgebungen; Datensätze, Runner und Rangliste sind öffentlich.

Ein mehrsprachiger Benchmark, der Jev, eine weitere Entscheidungs-API und drei LLMs bei vier Echtzeit-Sprachentscheidungen auf Englisch, Hindi und Hinglish vergleicht.

Ein zielgesteuerter Playwright-Agent, der mit Jev UI-Aktionen wählt und Fortschritt prüft, Abläufe aufzeichnet und Benutzeranleitungen erstellt.

Community-n8n-Nodes für typisierte Ja/Nein-, Auswahl- und Bewertungsentscheidungen über TypeSafe Jev, Venice oder einen anderen /v1/systemone-Endpunkt.