TypeSafe AI System One决策模型Jev的资源索引

kydlikebtc/awesome-jev

是 TypeSafe AI 的决策模型。它不生成文本，你把状态（state）加上类型化的问题（typed questions）交给它，它返回带校准置信度的类型化答案（typed answers），速度快、成本低，足以嵌在智能体的内层循环里。

本仓库按所做出的决策对公开使用案例进行索引。你这周读的那份资料是一次性的；决策模式（decision pattern）才是值得收藏的。

如何评估：每一行都标注了来源。调用点引用（call-site citations）、底层声明与注意事项（caveats）凡是可查的都一并记录，方便你审视读了什么、还有什么未经检验。

> Note 这不是该产品本身，也不是 SDK，与 TypeSafe AI 没有从属关系，亦不构成推荐。收录仅为来源记录，不代表运行时或性能层面的背书。请查看已验证的部分。

Jev 返回什么

三种原语（primitives）。下文的每种模式都由它们组合而成，最后一行中的不对称性是最常见的 bug 来源。

输入仅为文本，字符串、JSON 对象，或文本数组。上下文（context）每请求 64k tokens，其中 32k 留给状态（state）加上最长的那个问题。输出 tokens 免费。没有公开的权重，因此无法在本地运行。完整的跨平台差异：docs/compatibility.md。

从这里开始

按阅读顺序排列的六项内容。手工挑选，因为"star 数最多"不等于"先读这个"。

Quickstart（快速上手）规范的首次调用：一个工单、一个 Choice、一个 Score 和一个 Noul 在同一次请求中完成，涵盖 Python、JS 和 cURL 三种调用方式。

Jev 1.13 known limitations（Jev 1.13 已知限制）文档里最有用、却被引用最少的一页。它说明了诸如：一个 Choice 在选项上作答，而每个选项各一个 Noul 则回答不同问题。

Example: three primitives in one request（示例：一次请求中的三种原语）依据官方 API 参考文档逐字段校对所写，但未对线上 API 进行实测。

fast-jev-compaction（快速 Jev 压缩）每次工具调用恰好两个 noul：这次调用是否发生过仍然重要吗，完整输出是否仍需逐字保留？尽管它自己描述里出现了 "scored" 一词，但实际并未使用任何 score 原语。

ai-cookbook: Jev track（AI 实战手册：Jev 专题）迄今最好的结构化教程。它直白地指出，类型化的输出并不保证决策正确，列出了文档化的弱点，并对自身的成本示意做了限定，而非一味兜售。

Hermes Agent: Jev compaction evaluation（Hermes Agent：Jev 压缩评估）本目录中最具可信度的一行。其召回率低于他们既有的摘要器；在上下文预算一致的条件下，与单纯的按时间新近度排序打成平手。成本确实低得多。围绕一个被热炒的模型公开发布负面结论，是很少见的做法。

覆盖范围

每种决策模式，按本目录收录的条目数量排序。借助下方的模式索引跳转到对应章节。零值代表研究空白，而非渲染问题。

全部 18 种模式至少各有一条目录收录。覆盖度并不意味着经过运行时测试或同等成熟度。请参见 docs/status.md。

模式索引 · 跳转到示例

决策模式 · 工具选择（Tool selection）· 意图路由（Intent routing）· 上下文压缩（Context compaction）· 安全门控（Safety gating）· 输出校验（Output validation）· 重试控制（Retry control）· 人工升级（Human escalation）· 模型路由（Model routing）· 推测性扇出（Speculative fan-out）· 搜索与排序（Search & ranking）· 结构化抽取（Structured extraction）· 分类（Classification）· ML 特征抽取（ML feature extraction）· 文档分流（Document triage）· 支持工单分流（Support triage）· 内容打分（Content scoring）· 推荐（Recommendation）· 概览（Overview）

Measured, not claimed

目录中的独立测量报告，包括那些有助于解释方案在何处失效的负面结果。这些都是原作者的测量结果；本仓库未做独立复现。在对比结果之前，请核对每份报告的数据集、方法与模型版本。

Hermes Agent: Jev compaction evaluation

移植了 Jev 压缩方案，与他们正在使用的摘要器做了对照测量，并公开发布了"不予采纳"的结论。

Benchmark · ★248,479 ·Py noul 本目录中最具可信度的一行。其召回率低于他们既有的摘要器；在上下文预算一致的条件下，与单纯的按时间新近度排序打成平手。成本确实低得多。围绕一个被热炒的模型公开发布负面结论，是很少见的做法。

worldmonitor: news threat classification

两个 Choice 问题分别对威胁等级和类别作答，经盲评发现 Jev 仅与在用模型打成平手后，转入影子模式（shadow mode）运行。

Benchmark · ★87,298 ·TS choice Caveats: shadow mode 已接入但刻意保持惰性：按其自身声明，Jev 返回的任何内容都不会触达任何标签、缓存行或告警。配套提供一份黄金固件用例（golden fixture）。这是试用新模型而不押注生产环境的范本。

no-mistakes: Jev review pre-brief, measured and retired

对每个候选文件各发一个 Score，用于代码评审的预简报，经过两轮测量后被移除：计费输入更多却几乎没有带来墙钟时间收益，离线回放显示候选列表在构造上就排除了被修改的文件，而几乎所有评审发现都落在被修改的文件中。

Benchmark · ★8,617 ·Go score 在 PR #1165（2026-09-22）中移除。其离线测量发现，候选生成器在构造上就排除了被修改的文件，而几乎所有评审发现都集中在被修改的文件中；并且逐文件的摘要在更高 token 成本下让列表变得更不精确。代码已从默认分支移除，因此本行引用的是那次移除的变更记录。

hippo-memory

面向 AI 智能体的仿生记忆。遗忘机制、检索强化、记忆整合。零运行时依赖，SQLite，MCP。使用一个可选的 TypeSafe Jev 重排器对检索做了基准测试。

Benchmark · ★756 · kitfunso ·TS 探究 Jev 在重复 API 调用下的行为 一份独立韩语笔记记录了：仅调换选项顺序，就足以让某个概率跨过 0.9 阈值而翻转结果。

Benchmark · ★190 ·Py Caveats: no licence unverified claims 迄今最具工程实操价值的注意事项：如果仅凭选项顺序就能让一个概率越过你的阈值，那么这个阈值并没有看上去那么稳。结论是独立的、未被复现的，所以幅度仅作参考。

jevbench

JevBench v1，一个面向 Jev 类类型化决策模型的基准：智能、便宜、快速、可靠、开源。

Benchmark · ★107 · fstandhartinger ·Py

jev-arena

Jev 入门及动手实验：Choice、Score 和 Noul 将自然语言转为类型化判断，用于分类、打分与路由，并与 DeepSeek 在评论标注、速度和结果上做了对比，支持 CSV 导入、回放与离线报告。

Benchmark · ★97 · nanmicoder ·JS

windtunnel

一个 WebMCP 基准，用于衡量 WebMCP 与其他浏览器智能体接口之间的差异。

Benchmark · ★80 · nekuda-ai ·TS

jev-robot-control

Jev 与两个 LLM 在 xArm7 的 MuJoCo 直角坐标控制上的对比，意图、运动与夹爪控制每步各做一次判断，附带响应、轨迹与回放记录。每个控制器仅在 seed-0 下做一次试验，并非成功率统计。

Benchmark · ★44 · openroboto-ai ·Py

typesafe-ai-benchmark

一个网关，模拟结构化输出的形态，用以对其做基准测试。

Benchmark · ★38 · iammrduncan ·TS

jev-capability-atlas

一份独立、基于证据的地图，标注 TypeSafe 的 Jev 真正成立与失效的边界，基于真实 API 调用凭证（receipts），而非排行榜。以中文为主的双语仓库。

Benchmark · ★26 · zaious ·Py

smartmoney-cub

只读的交易日志与复盘工具：Jev 的类型化判断、智能体集成，以及一份可复现的金融基准。不下订单，不提供建议。

Benchmark · ★26 · myc0576 ·Py

jev-benchmarks

面向类型化决策模型的概率感知评估：校准（calibration）、选择性风险（selective risk）、延迟，以及可复现的基准。

Benchmark · ★17 · abdelstark ·Py

jev-rag-benchmark

用于度量 Jev 在 RAG 中重排序质量、延迟与成本的可复现基准 Benchmark · ★14 · erendikmenn ·Py

pdf-race

Docling → Jev 与 Docling → Gemini 3.8 Flash 与直接读 PDF 的 Gemini：同一批文档，同一只钟表，与 arXiv 自带的元数据对照打分 Benchmark · ★9 · goodrahstar ·JS

jev-dspy-lab

面向 DSPy 工作流中 Jev/TypeSafe 决策的可复现校准与选择性风险基准 Benchmark · ★7 · jmanhype ·Py

jev-rerank-bench

在十四个数据集上，与专用重排器独立一对一对决。

Benchmark · ★7 · anessbelbati ·Py 这是一项独立测量，而非厂商自报数据；同时是与专用重排器的直接对比，这才是搜索排序模式真正该看的比较。

jev-benchmark

TypeSafe 的 Jev（System One）模型的基准与游乐场：国际象棋，以及用于语音转文字游戏 NPC 的"说话者是谁在和谁说话" Benchmark · ★6 · wondertwins ·Py

jev-korean-benchmark

Jev 在韩语理解与医学文本上的可复现早期访问评估，附运行时与成本证据 Benchmark · ★6 · mahlernim ·Py Caveats: no licence

jev-ood-calibration

针对 TypeSafe Jev 在其不可能见过的任务上的独立校准测试：900 条规则生成的支持工单（choice / score / boolean），加上 3 个通过 Vercel AI Gateway 跑过的公开基准。包含原始响应、带噪声下限的 ECE、温度重拟合、每种类型的误校准符号。可复现，代价约 Benchmark · ★6 · scienthoon ·Py

jev-search-rerank-eval

TypeSafe 的 Jev 重排能赢过嵌入检索吗？在 Agent Skills Hub 目录上做的分级相关性评估（9,831 对，164 条中英文查询），并度量了判定器自循环偏差（judge-circularity bias）。

Benchmark · ★6 · zhuyansen ·Py

jev-code-review-benchmark

在 Python 代码评审规则上对比 Jev、Gemini Flash 与 Claude Fable：成本、速度、准确性与一致性。包含结果、图表与可复现实验。

Benchmark · ★5 · gemanor ·Py

jev-little-airways

一份围绕 Jev，TypeSafe 的 System One 决策模型，的能力演示。

Benchmark · ★5 · lbotinelly ·TS

jev-phishing-bench

Jev（TypeSafe）与 Claude Haiku 4.5 在 2000 封钓鱼邮件上的对比：准确率、校准、延迟、成本。可复现的基准。

Benchmark · ★5 · anisselbd ·Py Caveats: no licence

legalforecastbench

LegalForecast-MTD 基准的 alpha 版与官方评估工作流 Benchmark · ★5 · johnhughes3 ·Py

jevarena

面向 Jev 与其他 AI 评判器的开源 BYOK（自带密钥）擂台。寻找失败、比较质量、成本与延迟。

Benchmark · ★4 · chenmingtang830 ·TS

sysone-bench

首次针对 System One 决策模型（Laya 对 Jev）的独立一对一头对头基准，输入在字节级完全一致 Benchmark · ★4 · instax-dutta ·Py

ego-jev-ultrafast

Jev 驱动你的 Ego Lite 浏览器：每步一个 typed-choice 请求。零依赖、单文件的 browser-use/jev-ultrafast 移植版，附带多模型基准与额外防护措施。非官方。

Benchmark · ★3 · shikaizhong-design ·JS

jev-does-not-play-dice

针对 Jev 概率校准、不确定性报告与预测概率保留的实验。

Benchmark · ★3 · kantahayashiai ·JS

jev-exploration

Jev（TypeSafe）的探索性专题：声明审计、实时演示与可运行代码 Benchmark · ★3 · samuelsacco ·Py Caveats: no licence

jev-plays

System One 模型在 Craftax 中游戏，由 LLM 设定目标：五名智能体在同一张地图上，从 Jev 接收原始动作，到 LLM 控制每一步，通过记录的 episode 进行对比。

Benchmark · ★3 · mansicer ·Py

origin-civilization

AI 生命与文明模拟：TypeSafe Jev 做出每一个决策（类型化、概率化、可审计）；LLM 负责规划，OpenAI 兼容 API、本地模型（Ollama、LM Studio）、Claude Code、Codex。

Benchmark · ★3 · jacquesgariepy ·TS

typesafe-jev-calibrate-for-code-review

关于为代码评审校准 Jev 的内容 Benchmark · ★3 · selmar ·Py Caveats: no licence

jev-agent-failure-benchmark

在 Who&When Pro 智能体失败归因基准（文本子集）上，对 Jev（Typesafe.ai）与一个强 LLM 进行的基准对比。

Benchmark · ★2 · tokentrim ·Py

jev-play-ping-pong

Jev 实时进行浏览器乒乓球对战：结构化遥测、类型化决策、普通的 Chrome 输入，以及可审计的证据。

Benchmark · ★2 · icohen007 ·JS

jev-routing-experiment

在 RouterArena 上，将 TypeSafe 的 Jev 决策模型作为高性价比 LLM 路由的基准 Benchmark · ★2 · tokentrim ·Py

zerosweep

由 TypeSafe AI（Jev）驱动的自主 System-One 分流引擎与基准。75ms 推理、$0 输出 tokens，以及 RLCD 认识论安全门控。

Benchmark · ★2 · sysadarsh ·TS Caveats: no licence

antigravity-mcp-semantic-search-with-typesafeai

由 TypeSafe System One 驱动的、为 AI 编程助手（Antigravity、Cursor、Claude Code）打造的快速语义代码搜索与 diff 健全性审计器。

Benchmark · ★1 · greenyamao ·Py Caveats: no licence

can-jev-bayes

Jev Bayes，行不行？在贝叶斯最优策略下对 TypeSafe AI 的 Jev 做测试，并检验 Jev 能否有效利用贝叶斯先验。

Benchmark · ★1 · tomrichner ·Py

decision-bench

面向文档接地（document-grounded）决策模型的开放基准运行时 Benchmark · ★1 · hanno-labs ·Py

dsh-jev-verify

Jev（TypeSafe System One）决策工具与 DeepSeek Harness 的实时验证基准：jev_decision（choice/score/noul）与 jev_verify，天然诚实。

Benchmark · ★1 · xienda ·JS

jev-bench

所引来源真的那么说的吗？一份包含 42 项声明的基准：Jev（TypeSafe System One）对阵 GPT-5.4、Claude Sonnet 5 与 Gemini 3.1 Pro。

Benchmark · ★1 · thewaywithin ·Py

jev-benchmark

TypeSafe AI 的 Jev 在智能体工具调用风险分类上的可复现基准：准确率、延迟，以及置信分数是否值得用来路由。

Benchmark · ★1 · themsquared ·Py

jev-decision-benchmarks

JEV 决策基准在 MetaTool、When2Call 与 BFCL V4 上的结果，附双语表格与可复现报告。

Benchmark · ★1 · baibizhe ·Py Caveats: no licence

jev-eval

在你的带标签分类数据上，将 TypeSafe Jev 与任意 OpenRouter 模型对比：准确率、校准、延迟、成本 Benchmark · ★1 · 4esv ·Py Caveats: no licence

jev-lab

面向 TypeSafe Jev（System One 模型）的动手研究实验室：Noul/Choice/Score 原语、置信门控、扇出延迟、智能体控制的可复现基准，以及一份对 Jev 生态持续更新的审计。

Benchmark · ★1 · llt22 ·Py Caveats: no licence

jev-lab

通过 OpenRouter 对 TypeSafe Jev（System One 决策模型）所做的实验：可重复性、扰动分析与 LLM 基线对比 Benchmark · ★1 · danielhirt ·TS Caveats: no licence

jev-secret-detection

度量 TypeSafe 的 RLCD-Jev 模型在文件片段中识别真实密钥的能力 Benchmark · ★1 · teyhouse ·Py Caveats: no licence

jev-sim

兼容 Jev 的 /v1/systemone 服务器，从 LLM 的 logits 中读取类型化决策，并在同一批项目上与 TypeSafe 的 Jev 通过 JevBench 做对照基准 Benchmark · ★1 · dashbi1 ·Py

jevsbistro

面向低延迟决策模型基准测试的 3D 餐厅服务模拟器 Benchmark · ★1 · andrewsilber ·TS

padflow-jev-evals

来自 PadFlow（土地开发 SaaS）的类型化决策基准：模式（schemas）、匿名带标签数据行，以及一个面向置信校准模型（如 TypeSafe Jev）的运行器。

Benchmark · ★1 · zsavage8 ·Py

what-is-jev

围绕 TypeSafe AI 的 Jev（System One）的独立、来源关联的研究：覆盖 947 个按评分量表打分的公开仓库、反复出现的模式、数据集，以及双语文档。

Benchmark · ★1 · g0runmezadam ·Py 关注的是生态本身而非 API 调用方，因此本行不带任何调用点证据。

agent-handoff-gate

面向证据感知（evidence-aware）的智能体交接、有界工作线程续接，以及 TypeSafe/Jev 辅助评审的实验性协议，附带可复现的评估。

Benchmark · ★0 · zsoxi ·Py

jev-acento

¿Jev entiende tu acento?（译注：西班牙语，意为"Jev 听得懂你的口音吗？"）针对 TypeSafe AI 的 Jev 在西班牙语上的预注册审计，准确率、校准与 token 成本，并附一个 CLI，用于在你自己的带标签数据上跑同一对比。

Benchmark · ★0 · marcosmartinez ·Py 一项针对英语之外语种的独立、预注册审计，docs/status.md 中所列值得关注的空白。

jev-calibration-audit

面向 TypeSafe AI 的 Jev 决策模型的独立、仅依赖 API 的校准审计 Benchmark · ★0 · jujumilk3 ·Py

jev-certify

面向 Jev（TypeSafe 的 System One）的有限样本保证：保形风险控制（conformal risk control）将已校准概率转化为可认证的路由阈值；预测驱动推断（prediction-powered inference）对其进行审计。在 CLINC150 上 2,412 次决策花费 $0.23，包括那些保证失效的偏移（shift）与流行率（prevalence）情形 Benchmark · ★0 · nikkoxgonzales ·Py

jev-cyrillic-audit

TypeSafe 的 Jev 在俄语上能否保持其准确性与校准？基于平行人工标注数据的独立 RU 与 EN 审计（ECE、可靠性图、配对自举检验）。

Benchmark · ★0 · ahtoooxa ·Py 一项针对英语之外语种的独立校准审计，docs/status.md 中所列值得关注的空白。

jev-enterprise-decision-fabric

通过一条已验证的统一路径运行大量语义决策的架构，附带一个含 111 个案例的带标签基准，用于对比 TypeSafe Jev 与一个 Claude 基线，以及一个用于检视任一单一决策的仪表盘。实验性质，非生产可用。

Benchmark · ★0 · ghubnab99 ·C#

jev-eval

在四组公开分类集上，TypeSafe 的 Jev 对阵 gpt-5.4-mini 与 gpt-5.6-luna：案例、逐项回答、打分与图表 Benchmark · ★0 · onlyoneaman ·TS

jev-eval

在相同条件下，对 Jev 与两个 LLM 进行的第三方核查：为面向游客的日本写真拍摄服务路由预约咨询，60 条合成消息，覆盖四种语言。

Benchmark · ★0 · shogo-nfrealmusic ·TS Caveats: no licence

jev-fanout-bench

实测结果：在同一次调用中向 TypeSafe Jev 提 N 个问题，状态只计费一次。2,976 次真实请求，原始数据，账单逐项核对。

Benchmark · ★0 · blowxian ·Py

jev-lab

面向 TypeSafe 的 Jev 模型的 TypeScript 实验、评估与延迟基准 Benchmark · ★0 · menny1337 ·TS Caveats: no licence

jev-llm-router-benchmark

面向成本敏感、可靠的 LLM 编码工作流的、由基准驱动的 Jev 路由与评判器 Benchmark · ★0 · erendikmenn ·Py

jev-no-enem

在巴西 ENEM 2025 标准化考试上对 TypeSafe AI 的 Jev（System One 范式）的可复现基准。评估类型化决策、领域准确度，以及相对于开源 LLM 基线的 RLCD 不确定性校准，附带交互式 GitHub Pages 仪表盘。

Benchmark · ★0 · patryckalves ·Py Caveats: no licence 一项在英语之外语种、且答案为已知的公开考试上的独立评估。

jev-orderby-bench

对 Jev 概率做 ORDER BY 排序，能让结果行落到站得住脚的顺序吗？对 TypeSafe AI 的 Jev 所做的独立排序、校准与不变量度量：在 360 条带标签数据上通过 6 项预注册门槛中的 6 项，但在分级产品相关性上 6 项中失败 4 项。

Benchmark · ★0 · yodablocks ·Py

jev-playground

在具有明确状态与合法动作的游戏中，将 Jev 与其他评估模型进行基准对比：代码负责规则与状态转移，每个模型选择下一步动作，并对结果进行度量。

Benchmark · ★0 · hegargarcia ·TS Caveats: no licence

jev-trace-classifier

在 collusion.wiki 语料上应用 TypeSafe Jev（noul 判断原语）：智能体页 vs 人类页的作者归属，与本地 Qwen3.8-Flash-Next 的一对一对决 Benchmark · ★0 · sypherin ·Py

smoking-extraction-benchmark

对比 TypeSafe Jev 与 OpenAI 结构化输出的合成吸烟史抽取基准，附可复现的准确率、成本与延迟结果。

Benchmark · ★0 · vclic ·Py Caveats: no licence 一项针对 TypeSafe Jev 的早期访问测试：半个美分的校准判断（译注：原文 "calibrated judgments for half a cent"，即"用极低成本得到校准过的判断"）迄今最好的独立测试：在固定模型版本下，对 24 份挪威语文档进行评估，开篇即展示一个模型答错但正确报告低置信度的案例。

Benchmark · Lindfors 方法阐述清晰，坦诚地将自身限定为单日快照。开篇就亮出失败案例，这让它成为真正的校准测试，而不是一句好评。

Testing TypeSafe Jev, Mistral and Gemini for local event validation

迄今唯一的三方一对一对决，每个模型的提示词分别调优，范围限定在单一任务，而非泛化的整体排名。

Benchmark · Near Here 自我克制得当：是一项用例研究，而非模型排行榜。这种克制比数字本身更难得。

按决策模式

主索引。每个标题都是智能体必须做出的决策；行则是完成该决策的实例。注意事项以短标签形式呈现，每行的完整说明见 catalog.json 与站点。

Tool selection

智能体下一步应该调用哪个工具或动作。

Cookbook: Function calling⭐将自然语言交易请求映射到普通类型化函数，方法是把 fun