聊天回复前的决策助手:读取聊天内容判断对方意图和风险,一键生成草稿供你确认后发送,支持 Android、Windows、macOS、iOS。
把任意 LLM 改造成 Jev 风格决策模型,输出带类型的决策和真实概率,无需训练即可使用,适合需要可靠置信度的决策场景。
在笔记本 CPU 上本地跑二分类、多选和带概率打分的决策模型,是 Jev 和 Microsoft-Decision-1 的开源替代,支持 GGUF 量化推理。
基于 TypeSafe Jev 搭建的分阶段代码审查工作流与本地看板,把 AI 代码审查拆成多个可编排阶段,方便在本地跟踪和查看结果。
一次前向推理即可对屏幕、图片、视频和文本的带类型问题给出校准置信度答案的多模态决策模型,适合做 GUI Agent 的快速判断层。
单次前向传播即可对任意文本做类型化选择、打分和是非判断的非自回归决策引擎,支持100多种语言,并按请求自动路由到合适的检查点。
一站式大模型训练框架,支持 600+ 纯文本大模型和 300+ 多模态大模型的 CPT、SFT、DPO、GRPO 等训练,可用 LoRA 等 PEFT 方式或全参数微调。
自托管的 AI Agent 工作台,把任务看板、Agent 编排和多端访问集中到一处,桌面、手机、浏览器或 API 都能用。
一份游戏开发资源大全,汇总引擎、ECS 架构、2D 框架、美术素材和 AI Agent 等工具与学习资料,帮开发者快速找到所需资源。
跨多种 agent 框架的自改进记忆层,让 AI 编程助手在不同工具间共享并持续积累知识,避免重复摸索。
本地或自托管运行 29 个开放决策模型家族的推理服务,兼容 Jev API,现有 TypeSafe SDK 改个 base URL 就能接入。
给 Claude Code、Codex 等 AI 编码代理提供持久化统一记忆层,用 Markdown 存内容、Milvus 做向量检索,让代理跨会话记住上下文。
在 Node.js/TypeScript 里通过 ONNX Runtime 本地跑 Laya 这个兼容 Jev 的开源 System-1 决策模型,做分类和推理,不用依赖云端。
开源多智能体协作平台,可把 AI 代理拉进 Slack、GitHub 等工作场景,像同事一样随叫随到并持续学习。
基于 DeepSeek 的命令行编码 Agent 运行框架,提供持久化 shell、Ultra 子代理、自动审批、Chrome MCP 和会话遥测,让 AI 能连续执行开发任务。
开源的 macOS 本地电脑操作工具,让 AI 快速操控鼠标和界面完成自动化任务,无需依赖云端。
用 Rust 打造的浏览器智能体,能真正理解 Instagram、LinkedIn 等社交平台,快速精准地完成深度调研与自动化操作。
Mac 上的 AI 智能体,通过辅助功能驱动任意应用,能在 Xcode 里写代码构建、跑 AppleScript 和 Swift 脚本,支持 23 家模型和本地 Apple Intelligence。
收录围绕 TypeSafe AI 的 System One 模型 Jev 打造的工具清单,方便开发者查找 Jev 的 API、连接器与生产部署方案。
汇总 Jev 的演示、项目、SDK 与技能清单,附源码链接和精选 X 展示,方便开发者快速找到编码 Agent 相关资源。
Yes/no decisions on a laptop CPU in 28–130 ms: jev , one binary for Windows, Linux and macOS, now with jevos-v5 at 8-bit weights. 78.9% on the benchmark's headline yes/no
The first preview of the global edition of Jev: an English reply copilot for WhatsApp on Android, built by @smgonthebeat. It reads the chat on screen, works out what the
Yes/no decisions on a laptop CPU in 25–110 ms: jev , one binary for Windows, Linux and macOS, now with jevos-v4 at 8-bit weights. 87.0% on 821 new yes/no questions writte
Yes/no decisions on a laptop CPU in 25–110 ms: jev , one binary for Windows, Linux and macOS, now with jevos-v3 at 8-bit weights. 80.8% on 999 hand-written yes/no questio
…do in https://github.com/LLPhant/LLPhant/pull/513 Jev prompt injection detection by @f-lombardo in https://github.com/LLPhant/LLPhant/pull/514 Full Changelog : https://gi
Yes/no decisions on a laptop CPU in 25–110 ms: jev , one binary for Windows, Linux and macOS, with jevos-v2 at 8-bit weights. 80.3% on 999 hand-written yes/no questions,