Projets Jev AI sur GitHub
classement et sélection.

Jev choisit une action et un élément du navigateur selon l'état de la page ; un autre modèle produit le texte à saisir.

Un assistant de messagerie Android qui lit les messages visibles via l’accessibilité ou l’OCR, demande à Jev d’évaluer intention et risque, puis classe des brouillons sans les envoyer.

Une extension Claude Code qui laisse Jev conserver, raccourcir ou supprimer les appels d'outils et leurs résultats, sans réécrire la conversation.

Un bot de trading sur Monad avec un mode Jev facultatif pour décider d'acheter ou de vendre ; par défaut, il utilise une règle simulée.

Un CLI et une compétence pour agents qui utilisent Jev afin de suivre les dossiers, fichiers et déclarations pertinents, puis de fournir des extraits et des pistes de lecture.

Un assistant WeChat pour Windows utilisant capture locale, OCR, décisions Jev et réponses classées ; l’insertion est explicite et l’envoi reste manuel.

Sert des modèles de décision ouverts pris en charge avec vLLM, le traitement par lots, les entrées multimodales et une API System One pour Choice, Noul et Score.

Jev suit l'avancement des agents de développement et signale les tâches à vérifier ou les moments où intervenir.

Examine les modifications et les dépôts par étapes avec Jev, en évaluant les risques, les preuves et la gravité.

Des Jev Skills installables et des workflows d’agents modifiables, avec modèles de scénarios, exemples enregistrés et tests.

Utilise Jev pour choisir un niveau de modèle à chaque tour de Claude Code ou Codex, sans changer le travail en ligne de commande.

Un serveur MCP proposant des outils Jev pour vérifier, filtrer, classer et relire du code.

Choisit les sources de recherche avec Jev et classe les résultats de Search1API ; affiche des liens plutôt que des réponses générées.

Permet à un LLM auteur de construire et, au besoin, faire évoluer un Jev Harness propre à une tâche, puis fige code et questions pour tracer les décisions à l’exécution.

Un panneau WeChat pour macOS qui lit la conversation par capture et OCR, utilise un modèle local ou Jev pour repérer intention et risque, puis propose des réponses sans envoi automatique.

Un agent mobile qui choisit avec Jev des actions sur Android via Mobilerun, avec studio en direct et traces d’exécution.

Une extension de navigateur qui demande à Jev de repérer et masquer les éléments superflus, puis réutilise des règles locales pour les pages de même modèle.

Choisit des actions dans un navigateur sans interface avec Jev, puis fournit les étapes, la page finale et une capture d’écran.

Un linter sémantique qui vérifie le code avec Jev selon des règles personnalisées.

Trois robots de trading simulé où Jev choisit des actions de marché valides et où le code impose budgets, délais et limites d’exécution.

Une suite de benchmarks ouverte pour comparer qualité, coût, latence et fiabilité des modèles de décision typée de la famille Jev.

Un outil en ligne de commande qui améliore les classificateurs Jev grâce à des annotations humaines et à GEPA.

Le SDK Python officiel de TypeSafe pour poser des questions typées à Jev et lire ses résultats structurés.

Le client officiel TypeSafe pour envoyer des questions typées et lire les réponses structurées de Jev en JavaScript ou TypeScript.

Une bibliothèque de compétences auto-hébergée pour agents, avec recommandations Jev facultatives parmi les compétences autorisées via TypeSafe, OpenRouter ou Vercel AI Gateway.

Un module de décision pour DeepSeek Harness qui utilise Jev pour des jugements bornés dans DSH et les workflows d’agents de code compatibles.

Trente exemples Jev exécutables en dix niveaux, des décisions typées simples aux hooks, outils et usages autonomes des agents de code.

Ajoute à PostgreSQL des opérateurs de filtrage, extraction, classement et vérification sémantiques, avec exécution Jev, cache et probabilités interprétables.

Combine des indicateurs du marché crypto et des publications X sélectionnées, puis demande à Jev d’évaluer action, sentiment, squeeze et catalyseurs, sans exécuter de transaction.

Une boîte à outils multi-fournisseur dont le module facultatif confie à Jev les décisions bien délimitées tout en réutilisant règles et livrables.

Un plugin DeepSeek Harness qui utilise Jev pour choisir compétences et fichiers, superviser, filtrer les résultats, corriger et aider aux validations.

Une application locale de recherche sur les réseaux sociaux. Jev Choice sélectionne, parmi les cibles observées, des opérations en lecture seule sur Instagram, TikTok et LinkedIn ; la CLI socai les exécute dans le navigateur Chrome de l’utilisateur et renvoie des preuves reliées à leurs sources.

Un prototype Windows et Chrome pour Codex : Jev effectue les choix sémantiques, tandis que le code local exécute les étapes, vérifie le résultat et gère la reprise.

Un SDK IA TypeScript dont l’interface decide prend en charge TypeSafe Jev et d’autres services pour le routage typé, les contrôles et la pertinence.

Un éditeur visuel collaboratif qui relie des nœuds Jev et LLM, expose une API REST et prévisualise les tests.

Une CLI de grep sémantique qui fait évaluer les lignes de code par Jev et combine les filtres avec AND, OR et NOT.

Une compétence non officielle qui explique les décisions typées de Jev, les flux fondés sur la confiance et des modèles réutilisables issus de projets communautaires.

Agent d’actualités résilient qui collecte les sources selon un planning, utilise Jev pour filtrer, dédupliquer et noter chaque sujet en Hype, Facts et Signal, puis reprend après un redémarrage.

Une CLI Rust qui classe les Skills d’agent selon la session via des services compatibles Jev, avec abstention, hooks et retours locaux.

Une compétence Claude Code qui confie à Jev le filtrage, la classification et le classement en volume, puis renvoie une sélection et son niveau de confiance à vérifier.

Une démo d’extension de navigateur qui associe les outils de page exposés par WebMCP au choix de Jev.

Évalue avec Jev les appels d’outils des agents de code et les résultats non fiables avant d’autoriser, confirmer ou bloquer une action.

Un environnement pour Pokémon Rouge qui lit l’état valide du jeu et laisse Jev choisir déplacements, dialogues, équipe et combats sans modifier la mémoire du jeu.

Un harness d’utilisation de macOS qui lit l’état accessible de l’interface et laisse Jev choisir les actions sans modèle de vision.

Un pont natif Swift 6 qui associe Apple Foundation Models à Jev pour produire des décisions typées avec leurs probabilités.

Un navigateur de bureau où un modèle de planification fixe l’objectif, Jev choisit parmi les actions observées et du code local contrôlé exécute et consigne le résultat.

Un outil d’évaluation et de garde-fous pour agents qui transforme trace et grille en décisions Jev et peut exécuter des modèles locaux compatibles.

Un CLI et serveur MCP local qui soumettent les fragments de code autorisés à Jev, puis renvoient les extraits exacts avec chemins et numéros de ligne.

Une application locale de tri Gmail en lecture seule qui classe les messages dans des dossiers et libellés fixes avec Jev.

Un serveur MCP et une CLI qui utilisent Jev pour choisir liens et passages pendant l’exploration d’un site, puis renvoient des extraits sourcés à l’agent.

Transforme les choix, scores et probabilités de Jev en entités et automatisations Home Assistant.

Une passerelle locale avec visualisation qui enregistre les requêtes et réponses Jev dans SQLite et affiche les enchaînements d’appels en direct pendant l’exécution.

Un client Java communautaire et une intégration Spring AI pour l’API TypeSafe Jev.

Achemine chaque étape d’un agent de code vers un modèle rapide ou puissant grâce à un modèle de décision Jev, via un proxy compatible OpenAI et des résultats Terminal-Bench reproductibles.

Un atelier local qui associe mesures OpenCV, règles numériques strictes et décisions Laya ou Jev pour l’agriculture et le contrôle qualité visuel.

Module Android pour WeChat qui envoie le contexte à Jev afin d’évaluer l’émotion, les sous-entendus et les pistes de réponse.

Une couche de recherche Rails qui utilise Jev pour les étiquettes à l’indexation, l’intention de requête et le reclassement continu, avec recherche textuelle et vectorielle.

Exécute un pipeline GraphRAG avec Laya en local ou Jev dans le cloud pour juger les arêtes, le parcours et le filtrage des résultats.

Un chat multibot auto-hébergé où Jev choisit le bot qui répond et où un démon Pi local exécute chaque tour.

Un serveur MCP proposant des outils Jev de vérification, filtrage, classement et revue, puis convertissant les probabilités en règles de poursuite, contrôle ou escalade.

Un guide Jev pas à pas avec exercices Playground, appels API, configuration d’agents de code et un routeur de modèles exécutable testé sur Jev 1.14.

SDK Go et CLI pour appeler les décisions Choice, Score et Noul de Jev depuis une application ou un pipeline UNIX.

Part d’une entité malveillante confirmée, suit les liens de télémétrie et utilise Jev pour reconstruire la chronologie, la chaîne d’exécution et les preuves d’un incident.

Une interface Python pour les contrôles, étiquettes, classifications et scores de Jev, avec traitements synchrones, asynchrones, par lots et par schéma.

Jev évalue les segments d’une transcription, puis du code déterministe produit une version courte et des extraits avec des résumés liés aux horodatages.

Une CLI Rust qui expose les réponses de Jev sous forme de sortie terminal, JSON, codes de sortie et outils MCP pour scripts, CI et agents.

Un laboratoire local pour comparer des modèles décisionnels avec cas vérifiables, mesures enregistrées, relectures de workflows et rapports portables.

Quinze recettes Jev testées pour le tri du support, le rangement de fichiers, la détection de données personnelles, le reclassement de recherche, les actions dans le navigateur et plus encore.

Compare les nouveaux articles arXiv à des centres d’intérêt formulés librement avec les probabilités de Jev, puis publie un classement et un flux RSS.

Teste les questions Jev sur des données annotées de réglage et de validation, puis indique les erreurs, la calibration et si chaque question peut décider ou seulement classer.

Une passerelle d’autorisation pour Claude Code qui combine des contrôles adaptés au shell et les décisions de Jev pour autoriser, refuser ou différer les appels d’outils en mode automatique.

Une extension qui filtre le fil X selon des règles en langage naturel, avec Jev ou un autre modèle compatible choisi par l’utilisateur.

Des recettes Jupyter pour Choice, Noul et Score, distinguant les exemples publiés en direct ou enregistrés des contenus prévus.

Oppose le modèle local Laya à Jev dans des courses de Snake et une arène de combat, chaque mouvement provenant d’une décision réelle du modèle.

Une boucle d’agent DeepSeek Harness centrée sur Jev, avec actions typées réutilisables, seuils de confiance, reprises et traces d’exécution.

Un serveur MCP local pour le navigateur et macOS : Jev choisit des actions bornées, puis le code local les exécute, vérifie le résultat et conserve les traces.

Ajoute aux agents OmO et senpi les décisions Jev pour choisir compétences et outils, suivre la progression, détecter les boucles et encadrer certaines actions.

CLI, gestionnaire de paquets et SDK où Jev choisit un petit programme installé à partir d’une demande en langage naturel et autorise son exécution selon la confiance.

Cours pratique sur Jev avec des notebooks consacrés aux agents, au routage, aux contrôles de sûreté et aux schémas cerveau rapide/lent.

Un proxy par lots avec clients Python et JavaScript évalue plusieurs états Jev en parallèle et renvoie des flux Apache Arrow ordonnés.

Un serveur local compatible OpenAI associe un petit modèle llama.cpp aux décisions de Jev tout en conservant la génération de texte sur l’appareil.

Ajoute images, vidéos et RGB-D à Jev en transformant objets détectés et données de scène en décisions visuelles structurées.

Un outil de test web où Jev repère les contrôles à la création, les enregistrements rejouent les tests et le code décide du résultat.

Plugin OpenCode Magpie qui découvre les catalogues de modèles gratuits d’OpenCode Zen et Kilo Gateway et ajoute le routage natif Jev System One.

Un laboratoire multi-agents reproductible et un noyau de coordination où Jev détecte les conflits entre écritures simultanées de Claude Code, puis autorise, met en attente ou transmet les cas incertains à un modèle plus lent.

Application comparative qui demande à Jev et AnyJev si un titre est satirique ou réel, puis affiche les deux décisions et leurs probabilités.

Reconnaissance d’entités nommées sans entraînement : Jev sélectionne, vérifie et type les segments, avec probabilités, traces et évaluations multilingues.

Un jeu d’infiltration : Jev propose les décisions des gardes, que le code déterministe du jeu vérifie et applique.

Évalue 20 familles de modèles proches de Jev sur huit suites de tests avec une seule CLI, des jeux de données prêts à l’emploi, des métriques probabilistes et des classements téléchargeables.

Une interface macOS pour agents de code qui confie chaque demande, via Jev, à une session active, un dossier ou une ancienne conversation.

Indexe les contrôles visibles d’une page pour que Jev choisisse une action Playwright valide, puis conserve les preuves et les tests rejouables.

Un modèle de décision visuel ouvert de 4B, avec poids et code d’entraînement et d’étalonnage publiés, servi via l’API TypeSafe System One.

Un inspecteur React pour suivre les requêtes et réponses TypeSafe Jev ainsi que les décisions en plusieurs appels pendant le développement Node, Vite ou Next.js.

Une boîte à outils Jev en Python avec clients synchrones et asynchrones, traitement par lots, étalonnage, seuils de confiance, modèles graphiques, CLI et serveur MCP.

Huit exemples Python de décisions en ingénierie, dont le routage CAO, le triage FEM et l’alignement de nomenclatures.

Une extension de navigateur qui fait noter par Jev les sections lisibles selon dix critères de clarté, de rédaction et de SEO sur la page.

Associe les détections Jev Box asynchrones au flot optique et à un filtre de Kalman pour suivre les objets en temps réel sans bloquer chaque image sur le réseau.

Assistant Android pour offres d’emploi combinant les décisions de Jev et des règles locales afin de signaler salaire, avantages et clauses à vérifier.

Un espace de travail de bureau multiplateforme pour Claude, Codex et Grok, avec Jev en option pour les décisions rapides de voix et de pilotage des agents.

Un Google Apps Script qui utilise Jev pour classer, prioriser et archiver Gmail, créer des tâches datées, signaler le phishing et produire un récapitulatif quotidien.

Un serveur local qui accélère les modèles de décision ouverts par bifurcation exacte de l’état et sert de nombreuses familles textuelles et multimodales derrière une interface unique.

Compare 20 modèles de décision spécialisés et trois LLM sans raisonnement sur 1 342 décisions textuelles dans 31 catégories, avec précision, coût et latences médiane/p95.

Un exemple SeleniumBase qui réduit le HTML aux indices utiles puis demande à Jev si un CAPTCHA est présent et de quel type.

Le code, les jeux de données et les résultats d’une étude red team reproductible en boîte noire sur les suffixes adversariaux universels visant les décisions typées de Jev.

Plugin OpenCode qui expose les décisions System One compatibles Jev comme outils d’agent et peut juger automatiquement certains événements du workflow.

Une passerelle MCP locale qui combine contrôles déterministes des données PII/PHI et décisions Jev bornées avant l’accès des agents de code aux fichiers sensibles.

Un audit contrefactuel reproductible de 134 772 réponses Jev mesurant l’effet de changements d’identité seuls sur les décisions typées.

Ajoute aux boucles de modèles de langage récursifs des sous-appels Jev calibrés pour classer, répondre oui/non et localiser des passages, avec plafond de dépense, tests hors ligne et expériences reproductibles.

Couche Go typée pour Jev et Cloudflare Clef, avec Choice, Noul, Score, comparaison de fournisseurs, règles explicites et doublures de test.

Une extension de gouvernance pour l’agent pi qui utilise Jev pour la planification, le routage des modèles, les permissions et la vérification du résultat.

Des exemples Python exécutables via OpenRouter, dont le tri de tickets d’assistance et des tests hors ligne.

Une arène de combat auto-hébergeable pour modèles de décision, avec combattants configurables, tournois par paires, relectures déterministes et benchmark de 21 modèles.

Évalue les modèles System One et les LLM génératifs sur 52 199 décisions typées et des environnements en boucle fermée, avec jeux de données, outils d’exécution et classement publics.

Un benchmark multilingue comparant Jev, une autre API de décision et trois LLM sur quatre décisions vocales en temps réel, en anglais, hindi et hinglish.

Agent Playwright piloté par objectif qui utilise Jev pour choisir les actions d’interface et vérifier l’avancement, puis enregistre des vidéos et rédige des guides.

Nœuds n8n communautaires pour des décisions oui/non, choix et score typées via TypeSafe Jev, Venice ou tout autre endpoint /v1/systemone.