精选 Jev 项目：Agent 工具

Claude Code 配置工具包提供基于 Jev 的模型路由、技能建议和工具护栏模块。

开源 Claude Cowork 替代方案，其评测工具包可使用 Jev 作为类型化裁判，验证 Agent 产出的工作。

Claude Code 插件，用 Jev 决策替代压缩摘要：一次快速请求评估所有工具调用与结果，丢弃或截断过期内容，其余内容原样保留。

智能体记忆搜索工具，可用 Jev 判断相关性并重排检索片段。

团队智能体工作区，使用 Jev 类型化决策进行响应路由和模型选择。

面向编码 Agent 的语义代码搜索 CLI；Jev 根据自然语言行为查询选择相关仓库分支、文件和源码单元。

编码智能体运行时，使用 Jev 决策进行模型路由、上下文保留和工具选择。

带有 Jev 智能路由的 VexJoy AI 代理 - /do 将简单的英语请求路由到正确的专业代理，并通过审查、测试和学习循环来控制工作。

软件工厂 Foreman：使用 Jev 决策让编程 Agent 保持任务方向的监督器。

基于 TypeSafe Jev 的分阶段代码审查工作流与本地仪表板。

Hermes 插件与技能套件，使用 Jev 进行模型路由、技能选择、记忆过滤、压缩和 GUI 操作选择。

编码 Agent 工作区，由 Jev 或本地 Laya 判定器门控上下文保留、审批、路由、偏离检测和 Agent 间共享等有界决策。

本地优先的编码工作区，由 Jev 或 Laya 选择合格的 Agent/模型路由，并在执行前由宿主验证每个选择。

使用 TypeSafe Jev 搜索网页，覆盖来源选择、查询理解和相关性排序；基于 Search1API。

在保证评估期间，Jev 估计建议的代理轨迹满足其有界目标的可能性。

开源、终端优先的人工智能编码代理，具有完全透明的多模型路由。本地（Ollama、LM Studio、MLX、llama.cpp）或云端，您的钥匙，一个 TUI。没有黑匣子。

使用 jev-router 为 Claude Code 的任务选择成本最低的模型。

一种将 jev 与编码代理一起使用以进行工具调用推理的简单方法。

在 Codex 任务期间 GPT-6 Astra 的自适应推理工作，由 Jev 提供支持，以减少令牌使用。

使用 Jev 来判断编码会话何时应压缩其上下文的代理插件。

本地优先的 MCP 插件，由 Jev 驱动，为 AI 编程 Agent 持续审查软件质量。

监督编程 Agent 的编辑，并使用 Jev 标记违反项目规则的修改。

编码代理可以要求 Jev 判断小的工作流程决策，例如构建结果看起来是否健康。

Anna 使用 Jev 作为有界企业代理推荐和弃权的快速判断层。

Claude Code 与 Codex Hook，通过 Jev 判断长篇 Shell 输出中哪些部分仍然相关，再送入模型上下文。

grep 按含义，跨语言。 TypeSafe Jev 根据含义对每一行进行评分；用 AND/OR/NOT 组合含义。 意思で探す grep。日本语で英语を、英语で日本语を検索できる

TypeSafe 新 Jev AI 模型的 MCP 概念验证。

用于编写和改进 Jev 调用程序的 Agent 技能。

Go CLI 与单二进制 MCP 服务器，向 Claude Desktop、Claude Code 和 Codex 提供 TypeSafe 判断。

用于编码代理的有界 TypeSafe Jev 工作流程。

使用 Jev 判断编码代理更改的代码质量和覆盖率审核器。

DeepSeek Harness 插件，用 Jev 选择技能和文件、监督任务、过滤输出及辅助审批；各功能默认关闭。

基于 pi-typesafe 的 Pi 护栏：由 Jev 判断不可逆和偏离任务的工具调用、检测死循环、检查未验证的完成声明并标记低质输出。

可安装的 Agent 技能，教授 Jev 类型化决策设计、验证实时 API 结构，并索引社区项目中的可复用模式。

面向编码 Agent 的项目记忆工具；Jev 判断要保存哪些对话、其类型、冲突、召回相关性和疑似记忆投毒。

Pi 编程 Agent 的 TypeSafe Jev 决策层，提供可度量的工具调用门控和用于类型化校准答案的 jev_ask。

由 Jev 驱动的轻量模型、工具及子 Agent 路由器。

四种代理技能使用 Jev Score 和 Noul 判断来评估具有校准概率的主观标准。

由 Jev 驱动的 Codex 单轮模型与推理路由器，为每轮选择模型、思考深度和速度模式。

面向编程 Agent 的有边界 TypeSafe Jev 工作流。

Claude Code 技能与 CLI，把批量排序、分类、筛选和语义搜索判断委托给 Jev。

Jev 对恶意软件扫描结果进行分类，并为 WordPress 维护提供类型为 Noul、Choice 和 Score 的决策。

Grok Bot 集成，由 Jev 在生成模型运行前执行使用门控并路由请求。

由 TypeSafe.ai Jev 驱动的 Rust CLI，依据实时会话上下文为下一步排序 Agent 技能；支持 Claude Code hooks、结构化 JSON、拒答和本地反馈。

Jev 在代理将检索到的记忆用于答案之前检查它们是否存在矛盾。

用于编码代理的便携式、Jev 引导的上下文压缩。

Jev 对 JMeter 代理意图进行分类并选择有针对性的工具包，在路由不确定时提供完整的工具回退。

启用后，Jev 会对微信每日摘要的文章主题和相关性进行分类。

CLI 使用 Jev 对任务分类，再选择并启动 Cursor、Claude Code、Codex 或 OpenCode，同时匹配模型和推理强度。

> 该软件包是实验性的。使用风险自负。

语义 grep CLI，由 Jev 判断哪些文件和精确行范围匹配自然语言代码查询。

文本检查工具，使用 Jev Score 判断源码中的字符串是否符合可配置的写作规则。

阻止 AI 编码代理声称工作已在没有证据的情况下完成。 Deterministic hooks decide, TypeSafe's Jev advises.仅附加账本，零运行时依赖性。

Jev 提供支持的 LinkedIn 招聘代理。观看它浏览相关个人资料、保存链接并根据您的招聘简介审查证据。

Claude Code 插件，由 Jev 判断每个提示和正在编辑的文件适用哪些项目规则。

代理插件和 MCP 工具，Jev 对批量文本进行分类，以便代理只能读取相关项目。审核期间未找到存储库级许可证文件。

全栈 Agent 框架，支持记忆、长任务、多 Agent 中继和基于 Jev 的模型路由表。

LLM + Jev 工作流程。用里面的脊柱增强你的脊椎动物大脑。

按语义路由 HTTP 请求的 Hono 路由器，由 Jev 驱动。

cli-jev 传输将类型判断请求从技能工具传送到 Jev CLI 和 MCP 接口。

Jev decision plugin for agent harnesses.

Jev-Mem：系统一控制代理内存。

让 Hermes 及其他 Agent 调用 TypeSafe Jev 的技能。

用于 AI 聊天、工作流程自动化和语义搜索的 Obsidian 插件 — 支持 Gemini、OpenAI、OpenRouter、Grok、Ollama 和 CLI 后端。

用 TypeSafe Jev 推荐已安装 Skill / Bounded installed-skill recommendations with TypeSafe Jev. Python CLI、Codex 技能、双语文档和实例。

使用 TypeSafe Jev 对当前任务的 Pi 代理技能进行排名。

Semantic code search CLI and MCP server with exact source excerpts.

由 GLM-5.3-Flash 和 Jev 提供支持的多智能体人工智能新闻管道。

Claude Code 的校准上下文筛选器，每个工具结果进入上下文前都由 System One 模型判断。

MCP 工具，公开 Jev 进行验证、筛选、分类、重新排名、审查、门控和评分。

Claude Code 模组，用 Jev Noul 判断工具调用意图与风险，再按明确阈值允许、拒绝或交回内置分类器。

检测 AI 写作痕迹的文本 Linter，零依赖，结合可计数规则与一个判断模型。

Jev - 具有 top-k 提案、后备决策、内存和重新规划的原生代理设计。

MCP 代理，使用 Jev 筛选代理工具调用和工具结果。

可定制的 Pi 顾问和执行器工作流程，具有 Jev 决策支持。

Claude Code / Codex / pi 插件，可将不需要文本输出的代理步骤传递给 Jev（TypeSafe 的判断模型） - 测量 p50 ~230 毫秒，每 1,000 个判断约 0.02 美元，并通过类型升级返回 LLM。

将 TypeSafe Jev 接入 Cursor、Codex 及任意 MCP 客户端编程循环的 MCP 服务器。

Rust linter 由可配置的 Jev 规则提供支持，并带有 VS Code 扩展。

多代理编排引擎，具有热会话、持久邮箱和每任务令牌记帐。

Claude Code 与 Codex 的上下文裁剪代理，由 Jev 判断哪些历史仍有价值；概念验证将迁移至 Compozy。

可选的 cnki-jev 包使用 Jev 进行首次文献筛选，并升级复杂案例以供模型或人工审核。

使用 TypeSafe Jev 为 Pi 编程 Agent 提供语义工具路由和类型化 System One 决策。

由 Jev 驱动的 Pi 编程 Agent 自动模式，按语义自动批准 Bash、写入和编辑调用，无法决策时默认拒绝。

用自然语言驯服你的人工智能编码代理。从单个命令生成强制护栏（CLAUDE.md、挂钩、设置）。

面向 Agent 的 Jev CLI，可在 Shell 中快速执行带校准的选择、评分、检查、排序、分诊和护栏判断。

由 Jev 驱动的 AI 代理搜索基础设施：零 API 密钥、MCP 就绪、LLM 上下文感知，具有本地神经证据验证。

由 Jev 驱动的 DeepSeek Harness 决策层。

⚡ 自适应多模型 LLM 路由器 — 80 多个提供商、Jev System One 单通道路由（model=jev-auto）、信息素轨迹故障转移、并行集成合并。 npm：自适应内存多模型路由器。

grep 查看代码的用途，而不是它的名称。 Semantic code search powered by TypeSafe Jev.

Command-line tool for TypeSafe AI's Jev model.询问有关任何文本的是/否、多项选择题和标题问题，并获得校准后的概率。答案将成为 shell 和 CI 的退出代码、脚本的 JSON 以及 AI 代理的 MCP 工具。

代理循环，其中决策不会花费大量语言模型调用。零依赖，离线运行，无需 API 密钥。

Jev 在影子模式下运行，将结构化质量评估附加到生成的深度研究报告中。

Score 使用 Jev 对 git diff 进行的每个测试，并发出已经理解的过滤器参数 vitest、node:test、Playwright、cargo test 和 go test。

Jev 支持的编码代理插件。

Jev 筛选可能的缺陷，仲裁不明确的发现，对范围进行分类，并支持跨轮审查记忆。

MetaCoginition 由 Reflex 4B 提供支持。

使用 Jev 扫描代码库中的隐蔽、欺骗或窃取数据行为，在运行前报告可疑文件与行范围。

Pi model router using Jev and a quality-cost-latency Pareto frontier.

使用 Jev 进行阻止、引导和“模糊处理”，使代理遵循您的规则和约定。 CLI、github 操作、pi 包等等。用效果构建。

Jev 集成在紧凑的 Markdown 笔记和可搜索的原始历史记录之间路由代理内存查询。

Azdaja 在有界局部评估表面内公开可选的 Jev 语义判断。

语义“你是说吗？” for any CLI — wraps commands and uses TypeSafe's Jev to match subcommand typos by intent, not edit distance.

Claude Code 插件，使用 Jev 进行规则检查、逐字压缩和提示路由。

Jev，TypeSafe 的 System One 分类器，作为 Claude Code、Codex、Pi 和 OpenCode 中的工具：类型化分类、检查、评分、排名和询问，以及单命令设置。

以自然语言描述作为匹配模式的 Grep，使用 Jev 决策模型按语义过滤行。

用于 DeepSeek Harness 的 TypeSafe Jev、模型上下文协议和普通节点：类型化判断而不是散文，默认离线。

使用 Jev 根据简单语言规则评估代码的自然语言 linter。

面向 Agent 的 SEO 与 GEO CLI 套件和 MCP 服务器，使用 DuckDuckGo 证据与 Jev 评分。

TypeSafe Jev MCP 服务器，为任意 Agent 提供类型化分类、评分、检查、匹配和筛查，并为每个答案附带置信度。

命令代码 mod：当代理因 Jev 判断而停止并剩余工作时，推动代理继续前进。

Jev - 用于自主研究、多代理群、持久狩猎板和长时间运行的代理工作流程的原生人工智能安全工具。 CLI - 首创、开源，专为授权安全研究而构建。

由 Jev 驱动、基于规则的文本文件评分器。针对每条线并行运行每条规则。不略读，不漏行。

Jev 辅助文件检索和请求缓存，以实现更快的 Pi 工作流程。

TypeSafe Jev AI 模型的命令行工具。

Jev 判断代理记录的是或否断言，当其概率达到配置的阈值时测试通过。

Task-boundary model routing for Pi Coding Agent, powered by TypeSafe Jev.保守的策略、精确的缓存和可观察的故障转移。

独立于提供商的代理 SDK，使用类型化路由为每轮选择模型。

面向 Claude Code 的 Jev 插件。

Agent 的 Jev 决策层，包含 MCP 服务器、可嵌入 DecisionModel 库和仅在升级时介入的 Claude Code 插件。

软件，通过反射。一个句子成为一个小程序的调用，由 TypeSafe AI 的分类器 Jev 选择，并且仅在足够确定时运行。反应是任何人都可以编写、分享和改进的食谱。一个与您交谈的 CLI、一个用于 git 反射的包管理器以及一个 TypeScript SDK。

由 Jev 驱动的可配置语义 Linter，支持文件级 Noul 判断和魔法字符串插件。

由 Jev 驱动的编程 Agent 提示词注入与危险操作护栏，支持 Claude Code、Codex、Pi 和 ACP。

Jev Capability Resolver for task-relevant deterministic commands.

Claude Code Stop hook：文件变化后若没有通过检查，就一次询问 Jev 四个问题，阻止未经验证的完成声明；出错时放行。

概念验证：让 TypeSafe Jev 审查 Hermes Agent 的智能命令审批；在 153 条真实命令上测得更快且提示更少，仅处理审批。

Hermes Agent 的 TypeSafe（Jev）技能路由器，在模型调用前选出唯一值得加载的技能；按需启用且仅使用标准库。

使用 TypeSafe Jev 实现类型化、感知置信度的 Agent 技能路由。

作为 Pi 编程 Agent 静默决策层的 TypeSafe Jev。

使用 TypeSafe Jev 提供类型化 System One 决策、排序、验证及可选 Hermes 工具门控。

LLM 路由器选择能够处理查询的最便宜的模型，使用 TypeSafe 的 Jev 进行快速分类而不是 LLM 调用。

通过 TypeSafe 或 OpenRouter 为 OMP 提供由 Jev 评分、原文保留的上下文缩减。

通过 Vercel AI Gateway 使用 TypeSafe Jev，为 Pi 自动选择模型。

逐个使用 Jev 按《代码整洁之道》判断 Pull Request 文件，再由 Luna 审查；基于 eve 和 Next.js。

Agent skill for designing and validating Jev decision loops.

模型性能第一。代币储蓄第二。具有新鲜度感知读取重复数据删除、Jev 日志过滤和可搜索逐字调用功能的 Pi 扩展。保持现有消息历史记录完好无损。

AI 工作空间，通过 Jev 审批审查以类型化决策约束工作空间操作。

将 Jev 接入 MCP 客户端，并用共享数据集和可量化准确率对比其与通用 LLM 的判断。

Pi 扩展：使用 TypeSafe Jev 决策进行原文保留式上下文压缩。

小巧快速的文本 Linter，使用类似 Ruff 的写作规则代码，并由 TypeSafe Jev 支持。

Pre-commit hook：由 Jev 对照暂存 Diff 检查提交信息，并标记调试残留、未说明改动和新增凭据。

混合编程框架：System 2 负责写作，System 1（Jev）执行反射式判断。

跨 Agent 软件开发技能，将 Jev 决策加入规划、执行、调试和完成门控。

将您的 AGENTS.md 首选项转变为由 Jev 驱动的快速 AI linter。

Slidev 的语音驱动语义自动翻页工具，由 Cloudflare Agents 和 TypeSafe AI Jev 驱动。

Jev-powered MCP tool router for Codex.

Semantic verification for AI-generated code and specs.

使用 TypeSafe Jev 进行 Pull Request 风险路由并提供代码审查指导。

通过确定性检查和 TypeSafe JEV System One 语义审查来捕获隐藏在 OpenAPI 散文中的破坏性 API 行为。

在提交时让 Jev 按自然语言规则审查 Agent 编写代码的门控工具。

用于设计 Jev 辅助系统的 Agent 技能，涵盖决策理论、组合模式、问题诊断和验证门控。

自然语言 MCP 工具调度程序完全由 TypeSafe 的 Jev 提供支持 — 无通用 LLM。在运行时发现简单的 MCP 服务器的工具签名，并使用 Jev 的类型化原语 (Choice/Noul) 来选择正确的工具并直接从句子中提取其参数。审核期间未找到存储库级许可证文件。

Hermes Agent 的 TypeSafe Jev（系统一）决策工具：jev_check / jev_route / jev_score / jev_evaluate

Jev-reviewed tool-call gate with versioned local policy.

面向 LangChain 与 deepagents 的技能路由器；Jev 对已安装的 SKILL.md 排序，并判断每轮是否需要加载技能及应加载哪些技能。

TypeSafe System One（Jev）的 CLI 与 Agent 技能，支持 Choice、Score 和 Noul 类型化判断。

Agent 技能：将编程 Agent 的封闭式判断交给 TypeSafe Jev。

最小化 Agent 循环，由 Jev 控制流程，LangChain 聊天模型生成参数值和最终回复。

Codex 插件，在会话压缩前后按 Jev 指引原样恢复上下文；由 fast-jev-compaction 移植至 Codex 生命周期 hooks。

DSH 包，注册 jev_ask 以获取 TypeSafe Jev noul、选择和评分答案。

Pi 编程 Agent 的运行时约束，在有副作用的工具调用执行前，根据用户要求逐项检查；由 TypeSafe Jev 驱动。

构建在 LiteLLM 之上的开源 LLM 路由器，使用 TypeSafe Jev 选择模型。

MCP 服务器，将 TypeSafe Jev 暴露为类型化、校准的判断工具，支持分类、评分、检查和批量提问，并提供 Claude Code 插件。

将自然语言、LLM 提示或将其运行为 TypeSafe Jev 决策的代码的代理技能和 CLI：键入状态、Choice/Score/Noul 问题和可运行脚本

本地代理，使用 TypeSafe Jev 为每条消息选择 Claude 模型和推理强度；路由子 Agent，不影响主对话缓存。

用于 AI 代理工具调用 (TypeSafe/Jev) 上的预执行防火墙的影子模式验证工具。实际运行，report.md 中的发现。审核期间未找到存储库级许可证文件。

Claude Code 模组，将决策路由到 TypeSafe Jev：按提示词排序已安装技能，并在置信度足够时回答 Agent 的封闭式问题。

由 Jev 驱动的语义 MCP 防火墙，以校准的 System One 验证筛查每个工具调用、结果和说明；报告阻止召回率 94%、零误报，单次检查成本约 0.00002 美元。

Mastra 输入处理器，使用 Jev 作出类型化阻止决策并判定内容审核类别。

MCP 服务器通过 OpenRouter 或 TypeSafe 使用 Jev / System One 进行类型化决策

代理技能，发现有界判断步骤，首先尝试类型化决策模型（TypeSafe 的 Jev），并记录每次尝试

将每次 LLM 调用路由到能够完成任务的最低成本模型；约 180 毫秒内由 TypeSafe Jev 决策，策略使用 YAML，支持 TypeScript 和 Python。

用于 NEAR AI Cloud 推理和 IronClaw 代理的 Jev 路由客户端。

使用 Jev 判断 Claude Code 会话需要哪个已安装技能，并通过 skills.sh 发现技能。

由 TypeSafe Jev（System One）驱动的高速低成本任务分类器与三级路由引擎。

在 TypeSafe Jev 上构建版本化判断函数，并从后端经 HTTP、从编程 Agent 经 MCP 调用同一发布版本；供应商密钥保留在本机。

由 TypeSafe AI（Jev System One）驱动的自动化数据库迁移安全审查器。

编程 Agent 插件，使用 Jev 或兼容的 System One 模型判断 Shell 风险、任务复杂度、上下文保留与工具暴露范围，具体能力取决于宿主 Agent。

Pi 上下文裁剪扩展，用 Jev 删除或截短过期工具调用，并原样保留其余内容。

面向 TypeSafe AI Jev/System One 的系统架构技能，将模糊语义判断拆为小型 Choice、Score 和 Noul 原语。

使用 TypeSafe Jev 将 Claude Code 技能清单缩减约 75%，按相关性评分并通过 skillOverrides 隐藏其余技能。

类型安全的模型路由器，由 Jev（System One）将每个请求分配到类型化目录路由。

亚秒级 pre-commit 和 pre-push 语义门控，使用 Jev 筛查暂存 Diff。

有依据的 GitHub 与 crates.io 发现 CLI 和 MCP 服务器，使用 Jev 评估架构适配、许可证与维护状态。

面向编程 Agent 的逐提示能力路由器，用 TypeSafe Jev 将提示词匹配到已安装技能、MCP 服务器、Agent 和命令，并衡量注入是否真正有效。

TypeSafe 的 Jev 的评估优先 MCP 服务器，这是一个 System One 模型，返回带有概率而不是生成文本的类型判断（noul、选择、分数）。

使用类型化 Jev，并以零同步方式拉取和同步大型仓库以进行 Issue 分诊。

Oh-my-pi 扩展，在工具输出和早期助手文本进入主模型上下文前，让 Jev 批量执行 Noul 相关性判断；过滤需显式启用，原文可恢复。审核时未发现仓库级许可证文件。

无需运行目标技能，即可使用 TypeSafe Jev 预测其下一项封闭式决策。

CLI、MCP 服务和技能，用 Jev Choice 判断 Issue 类型、所属模块和信息是否充分，提供校准后的接受/复核策略及离线规则基线。

Claude Code 插件，在允许、升级或阻止工具调用前，让 Jev 将其与会话计划对照。

由 TypeSafe System One 驱动的快速语义代码搜索与 Diff 合理性审计器，面向 Antigravity、Cursor 和 Claude Code 等 AI 编程助手。

由 Jev 驱动上下文压缩和模型路由的 Pi 扩展套件。

适用于 TypeSafe/Jev 的 MCP 优先工具包 — System One 决策模型。一台 stdio 服务器 (jev mcp) 为任何支持 MCP 的工具提供服务，并由一个本地事件日志和 Prometheus 影响指标提供支持，您可以将其添加到自己的 Grafana 中。

使用 Jev、自然语言规则和可安装 Agent 技能进行语义代码审查。

本地 logprob 决策层与 Claude Code 权限门，评估命令风险、路由模型层级，并判断重试或卡住的运行。

基于 LangChain 与 Flask 的 Agent；Jev 在知识、计算器、天气和闲聊路线中选择，并以本地规则兜底。

阻止编程 Agent 过早结束的 Stop hook，使用自然语言规则并由 Jev 判断。

使用 TypeSafe AI 提供的 RLCD 类模型 Jev，独立且低成本地评判 Agent 编程会话。

Jev 的非官方 MCP 服务器（Typesafe AI）

MCP 服务器，使用 Jev 为编程 Agent 路由文件选择、任务路径和测试影响判断。

Claude Code 插件：询问 TypeSafe Jev 哪个已安装的技能适合每个提示并记录答案（影子优先）。 Claude Code 技能建议手册的工作参考 — 自述文件记录了为什么它不太可能帮助建立一个强大的路由器模型。

为 OMP 编程 Agent 提供 TypeSafe AI（Jev）对抗式审查器和 typesafe_ask 工具。

便携式 Jev 路由器，用于成本感知的 Codex 子代理模型和推理选择。

研究 Agent 集成，Jev 通过 Choice 和 Noul 定位相关来源区段，再由代码返回原文片段供核验。

Jev (TypeSafe System One) 决策工具 + DeepSeek Harness 的实时验证基准：jev_decision (choice/score/noul) 和 jev_verify，设计诚实。

本地模型路由代理，Jev 选择模型路由和推理深度，并判断哪些工具历史可以被压缩。

使用 Jev 分类任务，并将每次 Pi 运行路由到显式配置模型的扩展。

当 Pi Agent 在任务完成前停止时，将其送回继续工作。

基于 TypeSafe Jev 的 LLM 网关护栏与模型路由器，附带独立准确率、校准度和延迟评测；使用 Python 标准库。

本地 MCP 服务器，使用 TypeSafe Jev 对 AI 代理的下一步进行置信门，路由不确定的决策以继续进行、更深入的审查或人工输入。

检测 AI 代理循环中的语义停滞

将 TypeSafe System One 判断（Noul、Choice、Score）暴露为 Agent 工具的 MCP 服务器。

为 Jev Choice、Noul 和 Score 判断提供概率与置信度的 MCP 服务器。

可配置的决策 MCP 服务器，支持 AI SDK、Jev、百分比评分和偏差配置路由。

Jev 问题包的证据门控注册 — 精心策划的问题、黄金案例和与 Jev 兼容的决策端点的衡量证据

面向 Pi 编程 Agent 的 Jev 模型路由集成。

Codex 插件，使用 Jev 在压缩摘要旁保留有用的对话原文。

Claude Code + Codex CLI 插件，通过 System One (Jev) 模型验证代理是否遵循项目规则

单 Agent Pi 编程协处理器，提供 Jev 语义门控、基线到当前状态的 Diff 审查及仅追加式可观测遥测。

将 TypeSafe（Jev、System One）判断暴露为五个 Pi 工具，使模型执行狭窄语义判断，同时由代码和用户控制阈值、权重与动作。

使用 TypeSafe Jev 的灵活可配置 CLI 模型路由器。

结合确定性规则和 TypeSafe Jev 评估代码变更风险的 CLI 与 GitHub Action，在合并前推荐检查项和审查者。

Hermes 上下文压缩工具，由 Jev 评估工具调用，删除过期内容，并原样保留其余内容。

面向 JEV Labs 路由工具的 Cursor 与 Hermes 插件市场。

实验性操作前门控，先应用确定性规则，再由 Jev 或本地兼容模型判断尚未决断的工具操作应执行还是要求确认。

Grok 技能：在构建型 Agent 循环中将 Jev 用作判断传感器，以先验概率乘以观测概率决定下一步动作。

使用 Typesafe.AI 生成 Diff 审查。

可复用 GitHub Action：由检查、AI 审查器和 TypeSafe Jev 门控的 Agent 修复循环。

代码和文档搜索 CLI 将 BM25 召回与 Jev 验证和校准重排序相结合。

面向 LLM 应用的 Python 运行时检查层，由 Jev 判断提示、工具调用和响应中的可疑威胁，再按阈值采取措施。

由 Jev 驱动、模型判断的 OMP 权限门控。

自主 Jev Pull Request 审查，提供类型化决策、校准审批门控和可信所有者升级机制。

基于 TypeSafe AI System One API（Jev）的 Pi 编程 Agent 扩展。

实验性 Hermes 插件：在预算与能力约束下生成 Jev 辅助的模型路由计划；API 访问尚待开放。

绘制 Jev 和 System One 模型在您的项目中实际所属的位置，测试最有力的想法，然后实施它们。克劳德代码和法典的技能。

jevkit：代理的快速键入决策。 TypeSafe Jev 上的 CLI 和 MCP 工具（route、triage、guard、grep、rank、compact、judge）。零依赖。

面向编程 Agent 的类型化判断层，从 PRD 到发布全程设置门控；支持 Jev 且不绑定提供商。

面向证据感知 Agent 交接的实验协议，在结果到达主 Agent 前使用 Jev 辅助审查。