awesome-jev-tools：Jev模型相关资源汇总

v-modal/awesome-jev-tools

它不生成自由文本。它接收一段非结构化的状态，加上一条类型化的问题，再返回一条类型化的决策，比如一个选项、一个分数（Score）、一个布尔值（Boolean），同时附带置信度评分。因为省去了逐 token 的解码过程，Jev 就成了一个低延迟的快速决策层，直接嵌在软件里跑。

开发者用它来做分类、做基础设施路由、给评分量表打分、设验证关卡，或者给自主智能体加护栏。

本列表的目标

关于 Jev 的讨论大多散落在发布帖、社交媒体和零星原型之间。本仓库把这些碎片集中起来，回答开发者关心的两个实际问题：

- 生产验证：Jev 目前在哪些真实的生产流程里真正承担决策工作？
- 可迁移模式：哪些决策架构可以原样搬走、用到不同行业？

本列表的目标

关于 Jev 的讨论大多散落在发布帖、模型网关列表和零星原型之间。本列表快速回答两个务实的问题：

- Jev 已经在哪些生产工作流里做出真实决策？
- 哪些决策模式可以跨行业迁移？

收录标准

我们不收录：

- 只是「形似」这个模式、但并没有真用 Jev 的通用分类器、路由器或研究型智能体。
- 没有具体实践支撑的纯理论或纯观点。
- 没有可运行产物、没有可复现结果的发布炒作评论。
- 清单内部自己写得很长很长的条目。
- 来源私密、不可访问，或含糊到没法归类的资源。

收录不等于背书

收录只意味着一件事：该条目满足上面的收录规则。它不是质量评审，不是安全审计，也不是推荐。我们不会去验证一个项目能不能编译、测试能不能过、公布的数字能不能复现、许可证允不允许你这么用。

这一点在批量涌入的项目上尤其要紧。当一位作者在同一天放出好几个仓库时，它们常常共用同一套脚手架，同一份 AGENTS.md、CLAUDE.md、STATE.md、CHANGELOG.md，每个仓库只塞一两次提交，而文字说明往往比代码还多。这样的项目可能完全合法，只是还没被验证过。请把它们当成线索，不要当成已经验证好的工具。

在采用一个条目之前，请自己再检查一遍：

| 检查项 | 为什么重要 |
| --- | --- |
| 代码真的调用了 Jev API 吗？ | 一份条目可以单靠 README 读起来就很好。要看是不是真的有带着类型化问题的请求发出，以及有解析好的返回结果回来。 |
| 有没有可以跑的验证？ | 一段测试、一个带预期输出的示例，或者一个公开的演示。没有验证就等于没有它能跑通的证据。 |
| 那些数字有出处吗？ | 任何准确率、延迟、成本、吞吐量的数字，都应该能追溯到链接的页面。我们会删掉没法核实的说法，但项目自己的页面可能还留着。 |
| 仓库里有多少比例是代码？ | 有些项目主要是 prompt 文档。这本身也合理，只是你要清楚自己拿到的是什么。 |
| 有许可证吗？ | 少数条目没有许可证，这会限制复用和再分发。 |发现问题了？欢迎提 issue 或 pull request。删除和添加一样，都是有价值的贡献。

关于 AI 辅助工作、项目深度和提交频率的规则写在 CONTRIBUTING.md 里。

当前覆盖

- Classification & Routing（分类与路由）：20 条
- Verification & Guardrails（验证与护栏）：20 条
- Scoring & Ranking（评分与排序）：13 条
- Agent Decisions（智能体决策）：29 条
- Data Labeling & Curation（数据标注与策展）：2 条
- Evaluation & Benchmarking（评测与基准）：13 条
- Calibration & Research（校准与研究）：17 条
- Infra / SDKs / Integrations（基础设施 / SDK / 集成）：33 条
- Game & Simulation（游戏与仿真）：8 条
- Finance & Trading（金融与交易）：3 条
- Compliance & Legal（合规与法律）：1 条
- Content Moderation（内容审核）：3 条
- Related Practices / Discussions（相关实践 / 讨论）：50 条

仍在填充的开放分类

- Scientific Pipelines（科学流水线）：0 条每条只归入一个分类。当一个项目能塞进好几个分类时，我们挑最贴近它直接应用领域的那一个。

按分类浏览

- Classification & Routing（分类与路由）(source)
- Verification & Guardrails（验证与护栏）(source)
- Scoring & Ranking（评分与排序）(source)
- Agent Decisions（智能体决策）(source)
- Data Labeling & Curation（数据标注与策展）(source)
- Evaluation & Benchmarking（评测与基准）(source)
- Calibration & Research（校准与研究）(source)
- Infra / SDKs / Integrations（基础设施 / SDK / 集成）(source)
- Game & Simulation（游戏与仿真）(source)
- Finance & Trading（金融与交易）(source)
- Compliance & Legal（合规与法律）(source)
- Content Moderation（内容审核）(source)
- Related Practices / Discussions（相关实践 / 讨论）(source)

完整列表

Classification & Routing

Source file: categories/classification-routing.md

- Notra：营销分析，生产级 GEO 平台。通过 NOTRA_JEV_CLASSIFIERS 标志，把品牌可见性分类器从 LLM 切到 Jev 上，以 0.5 为阈值输出 Boolean 决策，目标 p50 延迟 300 ms。
- jev-router：开发者工具。让 Jev 在候选模型里做选择，把 Claude Code 的任务路由到最便宜且能胜任的模型。
- jev-router (prismhq)：LLM 基础设施，基于 LiteLLM 的开源路由器，由一次 Jev 决策为每个请求挑选服务模型。
- pi-jev-router：编码智能体。通过 Vercel AI Gateway 上的 Jev 决策，给 Pi 编码智能体加上逐请求的自动模型路由。
- jcm-router：编码智能体。本地代理，对每条消息用一次 Jev 决策挑选 Claude 模型与推理力度，主对话的缓存保持不动。
- jev-agent-skill-router：智能体基础设施。通过类型化、带置信度的 Jev 决策来路由智能体的技能选择，弱匹配直接拒绝，而不是瞎猜。
- typesafe-jev CV screener：招聘。用 Jev 对一份可编辑的策略做类型化判断，批量筛简历，策略变了还能免费重打分。
- Jev email intent workflow：后台自动化。异步 LangGraph 工作流，拿到一条类型化的 Jev Choice（invoice 或 general），把每封入站邮件路由到对应处理器。
- unclutter：浏览器工具，基于 WXT 的扩展。Jev 对页面上的每个元素判断它是不是杂乱内容，在可复用的模板规则下予以移除。
- typesafe-adblock：浏览器工具，Chrome 扩展。逐个 DOM 元素问 Jev「这是不是广告」，把广告拦截变成一连串逐元素的类型化问题。
- DiffJury：代码评审。在指派人类评审者之前，先用 Jev 按风险对每个 PR 做路由，同时兼做评审教练。
- HA-Jev：智能家居，Home Assistant 集成。以概率、选项或分数的形式回答关于房子状态的问题。
- secondlayer：故障分诊。自托管的 Stacks 数据服务，其 Slack 关卡和故障分诊路径都跑在 Jev 决策上。
- new-api-typesafe-plugin：LLM 网关。给 new-api 增加原生 /v1/systemone 端点，让类型化决策和聊天模型共用同一道网关。
- duet-agent：智能体运行框架。维护一张由 Jev 撑起来的路由表，决定该由哪个模型来处理请求。
- json-render：生成式 UI，Vercel Labs 的 UI 框架。在其组合路径中使用 Jev，挑选渲染界面里要包含哪些组件和动作。
- omo-jevlike-router：技能路由。在 system prompt 上对一份冻结的 Qwen 做一次前向传播，按 Jev 风格为每个请求压缩技能目录。
- jev-cookbook：开发者教程。15 个可跑的 Node 配方，用 Jev 的 Choice 和 Noul 问题去路由工单、归档文档、给银行流水分类、给 Gmail 打标签，置信度低的答案就转人工复核。
- flue-jev-demo：智能体路由。通过 Cloudflare AI Gateway，用 Jev 路由 Flue 智能体的工作。
- sift：内容标注，Chrome 扩展。对 X 时间线上的每一条帖子用 Jev 决策打标签。物质内容、幽默、闲聊、推广、垃圾，或 AI 生成。

Verification & Guardrails

Source file: categories/verification-guardrails.md

- is-malicious：软件供应链安全。对源文件和构建文件发起 Jev Noul 检查，把可疑片段升级做二次扫描，执行前先返回受牵连的文件和行号。
- jev-review：软件工程。分阶段的代码评审工作流加本地仪表盘，Jev 在每个评审阶段把关，变更才会推进。
- pi-jev：智能体安全。给 Pi 编码智能体加一道可度量的工具调用关卡，有风险的工具调用在执行前由 Jev 审一遍。
- OpenWork：工程工作流。把 Jev 接进其评测工具包当验证判官，智能体产出的工作由类型化判定把关，而不是由文本模型。
- jev-guard：智能体安全。面向 Claude Code、Codex、Pi 与 ACP 智能体的提示注入与危险动作防护，拦什么、放什么由 Jev 决定。
- Foreman：软件工厂。架在 Codex worker 之上，让 Jev 独立判断一项实现是否完成、测试是否充分，以及是否需要人介入。
- stanley-code：编码智能体。有边界的 Jev 工作流，让智能体的判定保持类型化，而不是自由形式。
- opencompany：智能体工作空间。审批评审走 Jev，工作空间里的动作都受类型化决策把关。
- jev-git：开发者工具，亚秒级 Git pre-commit 与 pre-push 反射关卡。用 Jev 扫一遍已暂存的 diff，看里面有没有密钥、有没有破坏性命令。
- pi-heed：运行时约束。把 Pi 智能体每一次带副作用的工具调用，跟用户实际提出的请求做核对。
- Hunch：代码评审。用自然语言写规则，Jev 据此对代码做本地或每个 PR 的检查，并为每条发现挑一个标签。
- Abide：智能体监督。读取编码智能体的每一次编辑，由 Jev 标记违反规则的改动。项目方报告，独立复核确认了 39 处被标记编辑里的 10 处，以及 15 处被标记回合里的 11 处。
- fx：编码智能体，内置 typesafe_permission_reviewer。智能体的权限决策走 Jev，而不是 LLM 调用。
- Sniff Test：写作，散文 lint。以 0.7 为阈值，每段对 Jev 提十个 Boolean 问题（堆叠的模糊表达、收尾处复述开头、not-X-but-Y 转折、裸露的成本数字）（译注：「不是 X 而是 Y」式的转折套路），提供 CLI、pre-commit 钩子、GitHub Action 和 Claude Code 技能。实测中位数 182 ms，54 段干净段落里只误判 1 段，而 Haiku 4.5 误判了 37 段。
- jev-pref：代码评审。把项目 AGENTS.md 里的偏好转成 jev-pref.json 规则，Jev 据此对每个 diff hunk、已暂存的文件集或 PR 做检查，向编码智能体返回 fix_now 或 advisory 类发现，阻塞性问题则返回非零退出码。
- jev-axi：智能体安全，PreToolUse 关卡，面向 Claude Code 与 Codex。Jev 对每条 shell 命令就破坏性、数据外传、远程代码执行、安全削弱四项打分；常规命令在本地就决定，不外发。其仓库里 44 条带标签的工具调用拿到了 44/44 的打分。
- pi-verdict：智能体安全，Pi 权限关卡。灰色地带的工具调用由 Jev 给出 Choice（allow/ask/deny）：确定性规则先处理明确案例，命中 deny 即拦下，命中 ask 就升级给人工确认；错误或超时一律 deny。Jev 是可选后端，目前只支持 OpenRouter，仍是实验性。
- jev-commit：开发者工具，pre-commit 钩子。一次 Jev 调用判断提交信息是否匹配已暂存的 diff，标出调试残留和没被提到的工作，只有检出到凭据时才拦截。
- Blink：代码评审，编码智能体在每次改动后跑的 CLI。Jev 在本地以接近即时的速度检查 diff，替掉 LLM 评审者。
- hermes-jev-approvals：智能体审批。把 Jev 摆在 Hermes Agent 命令审批之前的概念验证，自报决策速度提升 8.7 倍、推给用户的提示减少 4.4 倍。

Scoring & Ranking

Source file: categories/scoring-ranking.md

- Clean Code Judge：代码质量。对 PR 的每个文件，按 31 项 Boolean 形式的 Clean Code 坏味道，以及函数体大小、嵌套深度打分，再把判定结果交给写作模型生成评审文本。
- citation-verifier：学术出版。核验每条引用是否真的支撑了引用它的句子。Claude 定位原文，Jev 评分支撑度，最终由人拍板。
- jev-bfs：搜索工具。让 Jev 对每个页面的外链打分，由 Python 控制搜索过程，从而在英文维基百科词条之间找链接路径。
- Jev Search：网页搜索。在 Search1API 的结果标题与摘要上做 Jev Noul 判断，按相关性排序；应用层合并重复 URL，并把低分匹配单独分组。
- pagegrade：内容质量。用 Jev 对页面章节的清晰度、文笔和页面 SEO 评分，逐节返回分数。
- jev-scout：开发者工具，亚秒级、零幻觉的开源仓库与 crate 探查器，基于 TypeSafe Jev 推测式扇出打分。
- jev-seo：零成本、Agent 优先的 SEO 与生成式引擎优化（GEO）搜索雷达 CLI 套件与 MCP 服务器，基于 DuckDuckGo 和 TypeSafe Jev System One。
- JevSlop：写作质量。单次 systemOne 请求里，用八个 Jev Score 维度对公开的 note.com 文章打分，转换成 0–100 的 Slop Score，普通 TypeScript 实现。
- SemanticSpace：语义映射。向 Jev 询问每条短语与两个选定坐标轴概念的相关强度，把这些分数当成坐标，把短语摆到二维平面上。
- Supercov：面向编码智能体的代码质量。Jev 针对每个源文件回答十二项 Noul 属性，让智能体知道先修哪些。
- jev.nvim：开发者工具，Neovim 插件。用 Treesitter 把缓冲区切成函数，对每个函数用一句自然语言问题问 Jev，按概率把答案排进 quickfix。
- jev-reranker：检索与 RAG。用 Jev Noul 判断评估被检索文档的相关性和作为答案证据的有用性，再据此排序，可按可配置阈值过滤。
- jev-skip：媒体，浏览器扩展。读取 YouTube 字幕轨道，在片头结束前为每一段在进度条上打上赞助概率分；自报在 23 条视频上抓到了 SponsorBlock 赞助秒数的 77%，单条视频成本 0.0008 美元。

Agent Decisions

Source file: categories/agent-decisions.md

- jev-social：社交媒体研究。每一步用一个 Jev Choice 挑出具体的 socai CLI 操作，以及 Instagram、TikTok、LinkedIn 上要观察的帖子或账号目标；格式不合法或置信度低的决策在执行前就拒绝掉。
- Jev Ultrafast：浏览器自动化，browser-use 的 ultrafast 智能体。Jev 决定每一次下一步动作和要点击的元素，只有在需要键入文本时才调用语言模型。
- jev-agent-browser：浏览器智能体。父智能体把带边界的任务交给一个 Jev 循环，由其挑选类型化的浏览器动作，经 agent-browser 校验后执行；遇到歧义或卡住的状态，再升级回父智能体。
- pi-typesafe-jev：编码智能体。把 System One 判断暴露成五个 Pi 工具，让模型只做窄义的语义判断，阈值、权重、动作仍由代码和用户掌控。
- jev-judgment：编码智能体，智能体技能。把编码智能体的封闭型判定交给 Jev，裁决保持类型化、低成本、跨运行可比较。
- limpet：编码智能体，Stop 钩子。用 Jev 评估自然语言形式的完成规则，避免智能体过早收工。
- robo-harness：机器人，SO-101 机械臂工作台。由一个 Jev 决策执行器在花费预算内，从类型化的候选动作里挑出有边界的关节步进。
- dsh-auto-mode：编码智能体，DeepSeek Harness 权限预设。其收尾提示步骤让 Jev 回答智能体在最后一条消息里留下的开放问题；只有当 Choice 置信度超过 0.6、且自治安全 Noul 超过 0.5 时，才把对话拉回智能体，否则把这一回合交还给人类。
- augustus：编码智能体，智能体技能。把 Choice、Score、Noul 映射到经典方法上，让智能体把类型化判断安到软件里；包含组合代数、问题设计诊断，以及要求给出反证实验的验证关卡。
- yoshi：上下文管理，Claude Code 与 Codex 的代理。Jev 判断哪些对话历史在裁剪前还需要保留。
- pi-jev (TheoOliveira)：编码智能体。为 Pi 编码智能体提供语义工具路由与类型化的 System One 决策。
- pi-quiet-ask：编码智能体。为 Pi 智能体提供一层安静的 Jev 决策层，用来处理原本要丢给聊天模型的判断。
- fastbrowse：浏览器智能体。Jev 根据页面上的内容挑下一步动作，LLM 负责阅读和规划。
- super-jev：决策运行框架。把 Jev 的答案转成一条有边界的动作，而不是把解释工作留给调用方。
- jev-superpowers：面向 AI 编码智能体的系统化软件开发框架，升级为基于 TypeSafe Jev System One 的类型化决策、零幻觉的包审查以及完成关卡。
- Jev Browser：浏览器自动化。由 Jev 决定每一步来驱动浏览器，对比 LLM 驱动的浏览，主打速度快、成本极低。
- pi-fast-jev-compaction：上下文管理，Pi 扩展。对话文本原样保留，用 Jev 裁掉过时的工具历史；裁不出足够空间时才回退到 Pi 自己的摘要。
- Atomic：编码智能体运行时，内置一等公民的 Jev 结构化输出提供方。智能体的决策以类型化形式返回，并与其余提供方共用同一套决策解析器。
- fast-jev-compaction：上下文管理，Claude Code 插件。用 Jev 决策替掉压缩摘要，对每一次工具调用和结果打分，判断它是不是还需要，而不是把整个会话摘要掉。
- fast-dev-compaction：上下文管理。把 Jev 引导的压缩思路移植到 Codex，围绕一次会话压缩原样恢复上下文，而不是做摘要。
- public-browser：浏览器控制。让 Claude Code 和 Cursor 操控真实的 Chrome profile，由一个 Jev 循环决定动作，自报 token 减少约 30%、成本降低 25%。
- pi-typesafe-router：编码智能体。通过类型化的 Jev 决策来路由 Pi 的工作。
- wakegate：长时间运行的智能体。在因定时器或事件唤醒、并恢复 LLM 之前，Jev 根据智能体自己的休眠备注回答一条 Choice（wake / not yet / unrelated）；只有 wake 低于 0.2 时代码才跳过唤醒；用户消息、裸定时器、跳过上限、错误和超时一律唤醒。一次运行通过了 21/21 的人工场景，README 称之为冒烟测试而非基准。
- BrowserClaw：浏览器自动化，零锁定、保留会话的 Chrome MCP 服务器。把本地 Jev System One 语义微循环（chrome_act_toward_goal）与一棵剪枝 85% 以上的 DOM 树（含 Shadow DOM 与 iframe 穿透）耦合在一起，在已登录的活动会话上派发原生 CDP 事件（isTrusted: true），不抢焦点。
- jev-canvas：多模态 UI。在 tldraw 画布上用语音作画，同时用网络摄像头追踪手指指向；每来一段部分转写，Jev 就回答八个类型化问题（是不是指令、句子是否完整、动作、形状、颜色、目标、位置、大小），普通代码按阈值把关；支持英文和乌克兰文，单次决策 300–550 ms。
- jev-belay：编码智能体，Claude Code Stop 钩子。读取会话记录寻找证据，只有当文件发生改动、且此后没有通过的检查时，才发起一次四个问题的 Jev 调用；任何错误都以放行告终。
- Jev for Chrome：浏览器自动化，Jev Ultrafast 的非官方 Chrome 扩展移植版。Jev 的 Choice 决定每一步的操作和 DOM 元素，两个 Noul 检查（目标达成、卡住）否决过早的 DONE 或 BLOCKED；只有在需要键入文本时才使用小型文本模型。
- jev-pruner：上下文管理，Claude Code 插件。在模型看到之前先用 Jev 修剪冗长的 Bash 输出，把终端噪声挡在上下文窗口之外。
- jev-desktop：计算机操控。在 Codex Computer Use 内提供基于 Jev 的动作选择，从桌面动作里挑，而不是每一步都问语言模型。

Data Labeling & Curation

Source file: categories/data-labeling-curation.md

- jev-curate：数据集工程。用 Jev Noul 检查和经过校准的置信度分数筛拣合成 JSONL 与 Parquet 行，通过的数据和被拒的数据直接流式写入磁盘。
- typeful-triage：开源维护，多