Jev AI GitHub 项目
排行榜与精选合集

Jev 根据实时页面结构选择浏览器操作和目标元素；输入文字由另一个模型生成。

Android 聊天助手：通过无障碍接口或 OCR 读取屏幕消息，用 Jev 判断意图与风险并排列回复草稿，不会自动发送。

Claude Code 插件：用 Jev 判断哪些工具调用及结果该保留、精简或丢弃，不改写对话原文。

Monad 交易机器人可选用 Jev 判断买卖方向；默认运行的是模拟规则。

面向编码智能体的 CLI 和 Skill，使用 Jev 逐层筛选相关目录、文件与代码声明，并返回源码片段和进一步阅读线索。

Windows 微信助手：在本地截图并识别文字，用 Jev 判断语境、排列回复候选；填入内容需用户确认，发送始终由用户完成。

通过 vLLM 部署受支持的开源决策模型，提供批处理、多模态输入，以及处理 Choice、Noul 和 Score 的 System One API。

用 Jev 监测编程智能体的进度，判断何时需要验证或人工介入。

分阶段调用 Jev，评估代码改动与代码库的风险、判断依据及问题严重程度。

可安装的 Jev Skills 和可编辑的智能体工作流，附带场景模板、运行记录与测试。

在保留现有命令行工作流的同时，用 Jev 为 Claude Code 或 Codex 的每轮任务选择合适的模型档位。

提供核验、筛选、排序和代码审查等 Jev 能力的 MCP 服务。

用 Jev 选择搜索来源、为 Search1API 返回的结果排序，呈现网页链接，而非生成式答案。

让编写任务的 LLM 创建并按需迭代专用 Jev Harness，再冻结代码和问题，用于可追踪的运行时决策。

macOS 微信悬浮助手：通过截屏和 OCR 读取对话，用本地模型或 Jev 判断意图、提示风险并生成回复草稿，不会自动发送。

一款移动端智能体，借助 Mobilerun 在 Android 设备上执行 Jev 选定的操作，并提供实时工作台和执行记录。

浏览器扩展，用 Jev 识别并隐藏页面干扰元素，再按页面模板复用本地规则。

用 Jev 选择无头浏览器的操作，返回执行步骤、最终页面和截图。

用 Jev 对照自定义规则检查代码的语义检查工具。

三个模拟交易机器人由 Jev 选择合法市场操作，预算、冷却时间和执行限制则由代码强制控制。

开源基准测试套件，用于比较 Jev 类结构化决策模型的质量、成本、延迟与稳定性。

结合人工标注和 GEPA 改进 Jev 分类器的命令行工具。

TypeSafe 官方 Python SDK，用于提交指定输出类型的问题并读取 Jev 的结构化结果。

TypeSafe 官方 JavaScript／TypeScript 客户端，用于提交指定输出类型的问题并读取 Jev 的结构化结果。

面向智能体的自托管 Skill 库，可通过 TypeSafe、OpenRouter 或 Vercel AI Gateway 让 Jev 在获准的 Skill 中给出推荐。

DeepSeek Harness 的决策插件，在 DSH 及兼容的编程智能体流程中用 Jev 做边界明确的判断。

以十个层级提供 30 个可运行的 Jev 示例，从简单的结构化决策逐步扩展到编码智能体的 Hook、工具与自主调用。

为 PostgreSQL 增加语义筛选、提取、排序和校验算子，并提供 Jev 执行、缓存和可解释的概率数据。

汇总加密市场指标和精选 X 帖子，再让 Jev 判断操作倾向、情绪、逼仓风险与催化因素，不执行交易。

支持多种 AI 工具的工作流套件；可选的决策插件把边界明确的判断交给 Jev，同时复用项目规则和产物。

DeepSeek Harness 插件，用 Jev 完成 Skill 与文件选择、任务监督、结果过滤、纠偏和审批辅助。

一款本地优先的社交媒体调研应用：Jev Choice 会从已观察到的目标中选择对 Instagram、TikTok 和 LinkedIn 的只读操作，再由 socai CLI 在用户的 Chrome 中执行，并返回可追溯到来源的证据。

面向 Codex 的 Windows 与 Chrome 操作原型；Jev 负责语义选择，本地代码执行步骤、验证结果并处理恢复。

TypeScript AI SDK，通过 decide 接口接入 TypeSafe Jev 等决策服务，用于类型化路由、门控和相关性判断。

多人协作的可视化工作流编辑器，可连接 Jev 与 LLM 节点、提供 REST API，并预览测试运行结果。

语义搜索命令行工具：用 Jev 按含义给代码行打分，并通过 AND、OR、NOT 组合筛选条件。

一个非官方智能体 Skill，讲解 Jev 的类型化决策、基于置信度的工作流，以及来自社区项目的可复用模式。

一个可持久运行的新闻智能体：定时抓取来源，用 Jev 筛选、去重，并按“炒作、事实、信号”打分，进程重启后也能续跑。

Rust 命令行工具，根据当前会话上下文用兼容 Jev 的服务为智能体 Skill 排序，并支持拒答、Hook 和本地反馈。

一项 Claude Code 技能，把批量筛选、分类和排序交给 Jev，再将候选结果与置信度交回智能体复核。

浏览器扩展示例，把网页通过 WebMCP 暴露的工具与 Jev 的选择能力结合起来。

用 Jev 判断编程智能体的工具调用和不可信返回内容，再决定放行、询问或阻止。

读取《宝可梦 红》的合法游戏状态，让 Jev 决定移动、对话、队伍和战斗操作，全程不改写游戏内存。

macOS 电脑操作 Harness：读取无障碍界面状态，由 Jev 选择操作，无需视觉模型。

原生 Swift 6 桥接库，把 Apple Foundation Models 与 Jev 结合起来，输出带概率的类型化决策。

一款桌面浏览器：规划模型设定目标，Jev 从页面上已识别的操作中做选择，本地受控代码负责执行并记录结果。

智能体评测与护栏工具，把运行轨迹和评分标准转成 Jev 判断，也可运行兼容的本地模型。

一个 CLI 和本地 MCP 服务，把已授权的代码片段交给 Jev 判断相关性，再返回带路径和行号的原始代码。

本地运行的只读 Gmail 分拣工具，用 Jev 把邮件归入预设文件夹和标签。

一套 MCP 服务和命令行工具，爬取网站时用 Jev 筛选链接与段落，再把带来源的原文片段交给智能体阅读。

把 Jev 的选项、评分和概率结果接入 Home Assistant 的实体与自动化动作。

本地网关和可视化工具，将 Jev 请求与响应记录到 SQLite，并在应用运行时实时展示调用关系。

面向 TypeSafe Jev API 的社区 Java 客户端和 Spring AI 集成。

用 Jev 决策模型为编程智能体的每一步选择快速或高能力模型，通过 OpenAI 兼容代理接入，并公开可复现的 Terminal-Bench 结果。

本地工作台，将 OpenCV 测量、数值硬规则与 Laya 或 Jev 判断结合，用于农业与视觉质检。

Android 微信模块，把对话上下文交给 Jev，分析情绪、潜台词并提供回复建议。

一个 Rails 搜索层，把 Jev 用于入库打标、查询意图识别和流式重排，并结合关键词与向量搜索。

在 GraphRAG 流程中切换本地 Laya 或云端 Jev，用于判断图关系、遍历路径和筛选结果。

可自托管的多机器人群聊；Jev 决定由哪个机器人回复，本地 Pi 守护进程负责执行每轮对话。

一个 MCP 服务器，提供由 Jev 驱动的验证、筛选、排序和审查工具，并根据概率决定继续、复核或升级处理。

一份循序渐进的 Jev 指南，包含 Playground 练习、API 调用、编码智能体配置，以及经 Jev 1.14 验证的可运行模型路由示例。

用于在 Go 应用或 UNIX 管道中调用 Jev Choice、Score 和 Noul 决策的 SDK 与命令行工具。

从一个已确认的恶意实体出发，沿遥测关联扩展，并用 Jev 还原事件时间线、执行链和证据表。

面向 Jev 的 Python 接口，支持判断、打标、分类和评分，以及同步、异步、批处理和基于 Schema 的工作流。

先由 Jev 判断转录片段，再用确定性代码剪出高光版和精简版视频，并生成可跳回时间点的摘要。

Rust 命令行客户端，可把 Jev 结果转成终端输出、JSON、退出码和 MCP 工具，供脚本、CI 与智能体调用。

用于比较决策模型的本地评测实验室，提供可检查的测试用例、记录指标、工作流重放和便携报告。

15 个经过实测的 Jev 示例，涵盖客服分流、文件整理、个人信息检测、搜索重排、浏览器操作等场景。

用 Jev 概率判断新 arXiv 论文是否符合自然语言兴趣，并生成排序页面和 RSS。

用带标注的调优集和留出集测试 Jev 问题，报告错误与校准结果，并判断问题适合自动决策还是仅用于排序。

Claude Code 权限门禁，将 Shell 感知检查与 Jev 判断结合，对自动模式的工具调用执行放行、拒绝或转交。

浏览器扩展：用自然语言规则筛选 X 信息流，可使用 Jev 或用户选择的其他兼容模型。

一组围绕 Choice、Noul 和 Score 的 Jupyter Notebook 示例，明确区分已完成的在线或录制案例与规划中的内容。

让本地模型 Laya 与 Jev 在贪吃蛇竞速和格斗擂台中对战，每一步都由模型实时决策。

面向 DeepSeek Harness 的 Jev 优先代理循环，提供可复用的类型化动作、置信度阈值、重试和执行追踪。

用于浏览器和 macOS 任务的本地 MCP 服务器；Jev 选择有限操作，本地代码负责执行、验收和记录轨迹。

为 OmO 和 senpi 智能体接入 Jev，用于挑选 Skill 与工具、检查进展、识别循环，并可执行受控操作。

一套 CLI、包管理器和 SDK：Jev 根据自然语言请求选择已安装的小程序，并按置信度决定执行、确认或询问。

Jev 实战课程，通过 Notebook 讲解智能体、路由、安全检查等快慢脑协作模式。

带 Python 和 JavaScript 客户端的批处理代理，并发评估多个 Jev 状态并返回有序的 Apache Arrow 数据流。

兼容 OpenAI 的本地服务，将小型 llama.cpp 模型与 Jev 决策结合，同时让文本生成留在用户设备上。

把图片、视频和 RGB-D 输入接入 Jev，将检测到的对象与场景信息转成结构化视觉决策。

浏览器测试工具：编写测试时由 Jev 找到控件，后续使用录制结果重放，是否通过则由应用代码判断。

面向 OpenCode Magpie 的插件，可读取 OpenCode Zen 和 Kilo Gateway 的免费模型目录，并加入原生 Jev System One 路由。

一个可复现的多智能体实验与协同内核：由 Jev 判断多个 Claude Code 智能体同时写代码时是否冲突，再决定放行、等待或交给较慢的模型处理。

一个对比应用，分别询问 Jev 和 AnyJev 某条标题是讽刺新闻还是真实新闻，并展示两边的判断和概率。

零样本命名实体识别工具，让 Jev 选择、核验并标注文本片段，附带概率、决策轨迹和多语言基准结果。

一款潜行游戏：Jev 给出守卫的行动建议，再由遵循固定规则的游戏代码验证并执行。

通过一套命令行工具，在 8 组基准上评测 20 个 Jev 类模型系列，并提供整理好的数据集、概率指标和可下载排行榜。

面向 macOS 编码智能体的统一操作界面，用 Jev 把请求分配到正在运行的会话、项目目录或历史对话。

把页面中的可见控件整理成索引，让 Jev 选择合法的 Playwright 操作，并保存证据和可重复执行的测试。

开放的 4B 视觉决策模型，公开权重、训练与校准代码，并通过 TypeSafe System One API 提供服务。

React 调试工具，可在开发 Node、Vite 或 Next.js 应用时追踪 TypeSafe Jev 请求、响应和多次调用组成的决策流程。

Python Jev 工具包，包含同步与异步客户端、批处理、校准、置信度门控、图模型工具、命令行和 MCP 服务。

八个 Python 工程示例，涵盖 CAD 任务分流、有限元问题初筛和物料清单匹配等决策。

浏览器扩展，用 Jev 按清晰度、写作质量和页面 SEO 等十项标准为正文区块评分。

把异步 Jev Box 检测与光流、卡尔曼滤波结合，在不让每一帧等待网络的情况下持续进行实时目标跟踪。

Android 求职辅助工具，用 Jev 判断结合本地规则，标出薪资、福利和需要核实的条款。

面向 Claude、Codex 和 Grok 的跨平台桌面工作台，可选择用 Jev 处理快速语音判断和智能体控制决策。

Google Apps Script 工具，用 Jev 为 Gmail 邮件打标签、排优先级和归档，并创建截止任务、标记钓鱼邮件和生成每日摘要。

本地服务，利用精确状态分叉加速开放决策模型，并通过统一接口运行多种文本和多模态模型。

在 31 个类别、1,342 道文本决策题上评测 20 个专用决策模型和 3 个关闭推理的 LLM 参照，并报告准确率、费用及延迟中位数与 p95。

一个 SeleniumBase 示例：先从网页 HTML 中提取相关证据，再让 Jev 判断是否存在 CAPTCHA 以及具体类型。

一项可复现的 Jev 黑盒红队研究，公开代码、数据集和实验结果，用于测试通用对抗后缀对结构化决策的影响。

面向 OpenCode 的插件，把兼容 Jev 的 System One 判断作为智能体工具，并可自动审核指定的工作流事件。

本地 MCP 网关：编码智能体访问敏感文件前，先经过确定性的 PII/PHI 控制和边界明确的 Jev 判断。

一项可复现的反事实偏差审计，分析 134,772 个 Jev 答案，衡量仅改变身份信息会如何影响结构化决策。

为递归语言模型加入由 Jev 驱动的分类、是非判断和段落定位子调用，并提供费用上限、离线测试和可复现实验。

面向 Jev 与 Cloudflare Clef 的类型化 Go 封装，支持 Choice、Noul、Score、供应商对比、显式策略和测试替身。

面向 pi 编码智能体的治理扩展，用 Jev 辅助规划、模型分流、权限审核和结果验收。

通过 OpenRouter 运行的 Python 示例，包括客服工单分流和离线测试。

可自托管的决策模型格斗擂台，支持自定义选手、成对锦标赛、确定性回放，并附带 21 个模型的基准结果。

在 52,199 个类型化决策请求和闭环环境中评测 System One 模型与生成式 LLM，并公开数据集、运行工具和排行榜。

多语言语音 AI 基准，在英语、印地语和印地英语的四类实时通话决策中比较 Jev、另一款决策 API 与三个 LLM。

一个目标驱动的 Playwright 智能体：用 Jev 选择界面操作并检查进度，自动录制操作视频并生成用户指南。

社区维护的 n8n 节点，可通过 TypeSafe Jev、Venice 或其他 /v1/systemone 接口执行是非、单选和评分判断。