Jev AI Dev · geliştirici rehberi

System One AI modeli nedir? Jev için geliştirici rehberi.

System One, yapılandırılmamış uygulama durumunu tipli yanıtlara ve olasılıklara dönüştürmek isteyen geliştiriciler için TypeSafe’in AI model sınıfıdır. Jev ilk uygulamasıdır: uygulama kodunun içinde çalışmak üzere tasarlanmış, sınırları belirli bir karar bileşeni.

Girdi: Metin, JSON veya metin dizileri
Çıktı: Choice, Score veya Noul
Kontrol akışı: Kodunuzun yönetiminde kalır

Jev entegrasyonunu görün LLM’lerle karşılaştırın

Bu bağımsız bir geliştirici rehberidir. Ürün ayrıntıları ve performans ifadeleri TypeSafe kaynaklarına dayanır. Üretimde kullanmadan önce Jev’i kendi verinizle test edin.

System Onestate → decisions

state

“İki kez ücretlendirildim ve bunun bugün çözülmesi gerekiyor.”

choicefaturalama0.96

noulacil0.88

scorehayal kırıklığı1.7 / 2

if (confidence < threshold) → review

Model sınıfı

System One modeli, uygulama kodu için bir karar primitive’idir.

System One girdinin anlamını okur, ancak konuşmayı sürdürmez veya yanıt yazmaz. Soruyu ve izin verilen yanıt biçimini önce siz tanımlarsınız; model programınızın inceleyebileceği sınırlandırılmış bir değerlendirme döndürür.

Durumu anlayın

Model doğal dildeki veya yapılandırılmış metni yorumlar: destek kaydı, Agent izi, ürün kaydı ya da oyun durumu.

Sözleşmenin içinde kalın

Uygulama çağrıdan önce yanıt uzayını tanımlar. Model bir seçenek belirler, girdiyi bir ölçeğe yerleştirir veya evet/hayır önermesini değerlendirir.

Belirsizliği gösterin

Her yanıt bir olasılık sinyali sunar. Choice ve Score ayrıca dağılımı confidence değeriyle özetler.

Kodla birleştirin

Eşikler, politika kontrolleri, yan etkiler, yeniden denemeler, fallback’ler ve insan incelemesi normal kodun sorumluluğunda kalır.

Workflow içinde Jev

Geliştiriciler Jev’i uygulama koduna nasıl entegre eder.

Jev tek bir model çağrısını karar sinyalleri kümesine dönüştürür. Yararlı birim bir sohbet turu değil, model ile uygulama arasındaki küçük ve tipli bir sözleşmedir.

Girdi

1. Durumu oluşturun

Karar için gerekli bilgileri gönderin. Jev şu anda string, JSON nesnesi ve metin dizileri dahil metin tabanlı girdileri kabul eder.

Müşteri mesajı + hesap bilgileri

Sözleşme

2. Soruları tanımlayın

Her soruya ad verin, primitive’i seçin ve izin verilen seçenekleri veya ölçeği açıklayın. Birden fazla bağımsız soru aynı request içinde gönderilebilir.

departman · aciliyet · hayal kırıklığı

Model

3. Jev değerlendirir

Jev her soru için tipli bir yanıt ve olasılık sinyali döndürür. Choice ve Score ayrıca ayrı bir confidence değeri içerir.

faturalama · 0,93 · yüksek confidence

Uygulama

4. Kod politikayı uygular

Model çıktısını deterministik kontrollerle birleştirin. Açık ve düşük riskli durumlarda işlem yapın; belirsiz veya yüksek etkili durumları insana ya da reasoning modeline yönlendirin.

yönlendir · sor · incele · durdur

Üç yanıt biçimi

Choicebilling

Bunu hangi ekip ele almalı?

Önceden tanımlı kümeden bir seçenek belirler ve her seçeneğin olasılığını döndürür.

Score1.43 / 2

Bu sorun ne kadar ciddi?

Girdiyi sıralı seviyelerle tanımlanan bir spektruma yerleştirir; skor seviyeler arasında olabilir.

Noul0.95

Bu talep para iadesi istiyor mu?

Evet/hayır önermesini değerlendirir ve modelin “evet” olasılığını döndürür.

Arkasındaki gerekçe

TypeSafe neden yazılım için bir model arayüzü geliştirdi.

Üretken modeller insanlar için esnek string’ler üretmek üzere tasarlanır. TypeSafe’in tezi, yazılımın daha dar bir zekâ biçimine ihtiyaç duyduğudur: kodun içinde çalışan, tekrarlanabilen, belirsizliği gösteren ve kontrol akışını görünür bırakan bir bileşen.

String’ler esnektir ama açık uçludur

Çıktı metin, kod, JSON, ret yanıtı veya yanlış biçim olabilir. Uygulama işlem yapmadan önce çoğu zaman ayrıştırma, doğrulama ve hata yönetimi yapmalıdır.

Otomasyon sınırlara ihtiyaç duyar

Model arka planda çalıştığında program olası sonuçları ve her sonucun izin verdiği eylemleri önceden bilmelidir.

Belirsizlik yolu değiştirmelidir

Olasılık dağılımı açık durumların otomatikleşmesini, belirsiz olanların daha güvenli bir yola yönlendirilmesini sağlar.

Küçük kararlar birleştirilebilmelidir

Karmaşık bir workflow, tek büyük prompt içine gizlenmek yerine odaklı anlamsal değerlendirmelere ayrılıp deterministik mantıkla birleştirilebilir.

Nerede kullanılır

System One AI geliştirici workflow’larında nerede işe yarar.

En iyi kullanım alanları sık tekrarlanır, dağınık girdiyi anlamayı gerektirir ve uygulamanın zaten yapabildiği az sayıda eylemle sonuçlanır.

Destek operasyonları

Destek kayıtlarını sınıflandırın, niyet ve aciliyeti belirleyin, duyguyu puanlayın ve belirsiz durumları incelemeye gönderin.

Faturalama, teknik, hesap veya başka bir konu mu?

Agent kontrolü

Model veya araç seçin, retrieval gerekip gerekmediğine karar verin, yanıtın yeterliliğini ya da önerilen tool call’u kontrol edin.

Agent devam etmeli, yeniden denemeli veya eskale mi etmeli?

Sıralama ve alaka

Bir adayın sorguya, profile, politikaya veya bağlama uygunluğunu puanlayıp sinyali iş kurallarıyla birleştirin.

Bu aday istekle ne kadar ilgili?

Güvenlik ve doğrulama

Mesajları, çıktıları, izleri veya kod değişikliklerini açık kriterlerle değerlendirin; yüksek riski deterministik kapıların arkasında tutun.

Bu, belirtilen kuralı ihlal ediyor mu?

Gerçek zamanlı etkileşim

Uzun bir üretken yanıt beklemeden oyun, simülasyon, arayüz veya cihazlar için izin verilen eylemi seçin.

Bu duruma en uygun izinli eylem hangisi?

Veri operasyonları

Yüksek hacimli kayıtları sonraki sistemler için kategori, skor, işaret ve özelliğe dönüştürün.

Bu kaydın kategorisi ve risk seviyesi nedir?

İyi uyum

Seçenekler biliniyor, girdi anlamsal olarak karmaşık, karar tekrarlanıyor, gecikme önemli ve kod her sonuç için bir eyleme ya da fallback’e sahip.

Zayıf uyum

Yeni metin veya kod, derin çok adımlı akıl yürütme, geniş araştırma, açıklama, multimodal girdi gerekiyor ya da sonuçlar önceden tanımlanamıyor.

System One ve üretken LLM’ler

System One ve üretken LLM’ler AI stack içinde farklı roller üstlenir.

İkisi de dili anlar ve bir LLM yapılandırılmış çıktıyla sınırlandırılabilir. Daha derin fark, modelin ne üretmek için tasarlandığı ve yazılımın bu çıktıyı nasıl kullandığıdır.

Boyut	Jev / System One	Yaygın üretken LLM
Birincil görev	Tanımlanmış sonuçları değerlendirmek	Bir devam veya yanıt üretmek
Doğal çıktı	Tipli seçim, skor veya evet olasılığı	Token dizisi: metin, kod, JSON veya başka bir biçim
Yanıt uzayı	Çağrıdan önce tanımlanır	Schema son biçimi sınırlasa bile temelde açık uçludur
Belirsizlik	Her yanıt için olasılık; Choice ve Score için confidence	Token olasılıkları veya öz bildirime dayalı confidence sunabilir; genelde göreve kalibre edilmiş sinyal değildir
Sampling	TypeSafe’e göre sorular ve çıktılar paralel değerlendirilir	Genellikle sıralı, token token ilerler
Güçlü yönler	Tekrarlanan anlamsal dallar, scoring, routing ve kontroller	Yazma, konuşma, kod, sentez ve açık uçlu akıl yürütme
Başlıca hata biçimi	Tip olarak geçerli ama anlamsal olarak yanlış karar	Yanlış, hatalı biçimlenmiş, temelsiz veya konudan sapan içerik
Sistemdeki rol	Görünür kod içindeki sınırlı karar bileşeni	Genellikle daha geniş orkestrasyona sahip esnek üretici veya reasoning modeli

Jev’in ötesinde System One’ı değerlendiren geliştiriciler için aşağıda Projects sayfasındaki topluluk modülü kullanılır. Bu modül bağımsız eğitilmiş modelleri, mevcut model ağırlıkları üzerine kurulan Jev benzeri arayüzlerden ayırır.

System One

Topluluğun System One ekosistemi

Bu topluluk modelleri ve arayüz deneyleri Jev’den ilham alır veya benzer yapılandırılmış karar yaklaşımlarını araştırır. TypeSafe’in resmî Jev sürümleri değildir ve yukarıdaki GitHub proje sıralamasına dahil edilmez.

Topluluk modeliQwen3.5-9B

Bespoke Nimble

Seçim ve evet/hayır soruları için Jev’den esinlenen LoRA adaptörü ve eğitim tarifi. Yerel çalışır; şimdilik yalnızca metin kabul eder.

GitHub

Topluluk modeliQwen3-0.6B

NanoJev

Karar başlıkları olan küçük bir model; eğitim kodu ve eylem seçimini deneyen oyun demoları açık.

GitHub

Topluluk modeliQwen3.5-2B

decider

Yapılandırılmış soruların olasılıklarını tek geçişte döndüren ince ayarlı model. Güncel sürüm yalnızca İngilizceyi destekler.

GitHub

Topluluk modeliModernBERT 151M

Verdict

Ağırlıkları yayımlanmış, tarayıcıda WebGPU demosu bulunan küçük bir kodlayıcı tabanlı karar modeli.

GitHub

Topluluk modeliQwen3.5-0.8B

Dohnuts

Ağırlıkları, eğitim kodu ve değerlendirmeleri yayımlanmış 0,8B çok modlu bir karar modeli. Metin ve görselleri tek ileri geçişte işler; ağırlıklar ticari olmayan araştırmalar içindir.

GitHub

Arayüz denemesiDiffusionGemma 26B-A4B

OpenJev

Yapılandırılmış soruları Jev benzeri bir API üzerinden yanıtlamak için mevcut DiffusionGemma modelini kullanır. Yeni model ağırlıkları yayımlamaz.

GitHub

Arayüz denemesiOpen-model logits

Simple Jev

Mevcut açık modellerle izin verilen yanıtları puanlayan Jev benzeri bir arayüz. Yeni model ağırlıkları yayımlamıyor.

GitHub

Arayüz denemesiSpark-X2.5-4B

Rizzo Flow

Spark-X2.5 yanıt logitlerini okuyan, yerelde çalışan Jev uyumlu bir sunucu. Sorular aynı durum ön dolumunu paylaşır; projede deneme alanı ve karşılaştırmalı testler de bulunur.

GitHub

Arayüz denemesiAny causal LLM

AnyJev

Nedensel dil modellerini eğitim gerektirmeden tipli karar modellerine dönüştüren; seçenek sırası yanlılığını düzelten, isteğe bağlı kalibrasyon ve tekrarlanabilir testler sunan bir araç seti.

GitHub

Arayüz denemesiQwen3.5 / DeBERTa

local-jev

Qwen veya DeBERTa için çevrimdışı çalışan Jev uyumlu sunucu; resmî SDK ile test edilmiş ve JevBench sonuçları yayımlanmıştır.

GitHub

Bunlar bağımsız topluluk projeleridir; Jev’in resmî sürümleri değildir.

Birincil kaynaklar

İddiaları bağlamı içinde okuyun.

Bu Jev AI Dev rehberi TypeSafe çerçevesini kendi cümlelerimizle açıklar. API ayrıntılarını, ürün iddialarını, değerlendirme yöntemlerini ve güncellemeleri resmî kaynaklardan doğrulayın.

01System One belgeleri 02Jev lansmanı ve teknik iddialar 03Composable AI manifestosu 04Resmî kullanım alanı haritası

Yalnız fikri değil, biçimi test edin

Uygulamanızın zaten verdiği tek bir kararla başlayın.

Yanıtları tanımlayın, temsili örnekler toplayın, belirsizliğin nasıl ele alınacağını belirleyin ve Jev’i mevcut kural veya modelinizle karşılaştırın. Yüksek etkili kararları doğrudan otomatikleştirmeyin.

Jev’i Playground’da deneyin Jev projelerini görün