精选 Jev 项目：游戏与模拟

从结构化模拟器状态出发、使用 TypeSafe Jev 游玩《超级马力欧兄弟》的 Agent。

一个适用于所有机器人的板外 CLI。将它们连接起来，指挥它们，让它们一起工作，每个大脑都有一个法学硕士（Claude、OpenAI、Gemini、Grok，或通过 Ollama 或 vLLM 本地化），还有一个决策法学硕士，可以实现更便宜、更快的步骤（Jev、Laya 和 Kev）。支持 Microduck、Open Duck Mini、LeRobot、XLeRobot、AlohaMini、ToddlerBot、Jetson 或任何 ROS。

EmbodiedJev：带有 MiniCPM5-2B、Jev 和兼容模型 API 的 MuJoCo 机器人决策工作台

模拟交易竞赛：Jev 选择每只蜜蜂的有效市场动作与确信度，确定性代码负责执行并强制风险限制。

Laya 与 Jev：本地 MLX 和托管 AI 决策并排玩 T-Rex，具有实时指标和重播记录。

Pokémon Red 运行框架，由 Jev 从模拟器给出的合法选项中选择每个菜单、导航、队伍和战斗动作。

MuJoCo 中仅依赖摄像头的自主无人机，控制循环以 2.5Hz 调用 TypeSafe Jev 小型判断模型。

Jev 通过一个类型化的 Choice 问题，在《底特律：变人》的每个决策节点中从可用选项里选择下一步剧情行动。

LIBERO 机器人控制环境，由 Jev 根据任务状态和物理预览选择细粒度动作。

MuJoCo xArm7 研究中，Jev 根据物理反馈选择运动方向和抓手动作。

MuJoCo 中 Franka Panda 的两级 Jev 控制。

备受期待的 Jev 开源存储库作为策略，可以一键设置模拟环境。 Astra + Jev 在 RoboTwin 等基准上的评估也将很快发布。

星际争霸代理实验使用 Jev 进行快速战术决策。

没有经过训练的策略的《皇室战争》机器人：Jev（TypeSafe System One）根据实时游戏状态做出每一个决定。

🚀🚀 一个类似 0.8B Jev 的多模式模型，直接从原始像素玩 GUI 游戏。

Laya (open source, local) vs TypeSafe Jev (API): two AI models race in Snake and fight in a Mortal-Kombat-style arena.每一个举动都是真正的模型决策。

ROS 2 机器人的人工智能诊断代理 — 基于证据、工具调用、安全门控。

由 TypeSafe Jev 自动游玩的贪吃蛇：每个 Tick 执行一次 System One 选择，合法动作和事实由代码生成。

使用 Jev 进行无人机群模拟，进行反射决策和避免碰撞。

TypeSafe Jev 通过键盘和鼠标控制原版《星际争霸》共享版，并记录动作概率。

人工智能城镇模拟，其中 Jev 选择角色动作和响应。

Python 原型：从结构化 RAM 观测游玩 NES《超级马力欧兄弟》，由 Jev 回答聚焦的移动和跳跃问题。

从客服路由到三维驾驶模拟的交互实验：输入结构化传感器状态，输出类型化转向、制动和超车决策。

可观测的浏览器潜行游戏：Jev 作出类型化守卫判断，确定性代码负责世界规则。

一对一 Jev 快速狙击竞技场，使用 Three.js 与 TypeSafe System One。

浏览器驾驶游戏：在本地为拖入道路的图像生成描述，再用 Jev Choice 答案驾驶汽车，物理与计时由代码掌控。

浏览器原生 Doom Agent 实验，包含结构化空间状态、可组合 AI 控制、实时决策遥测和 Chocolate Doom WebAssembly 运行时。

《宝可梦 红》Agent，将结构化游戏状态转为 Jev 决策和经过验证的动作。

让模拟 Franka 机械臂执行零样本英文目标，由 Jev 串联硬编码动作原语。

由 Jev 驱动的游戏与决策实验。

100 个 AI NPC 生活在小镇中，Jev 选择下一动作，世界系统书写故事。

基于 PyBoy 的《宝可梦红》项目：Jev 只在分支处选择合法动作，并为每个战斗回合记录以 Brier 分数评估的倒下预测。

用魔方谜题挑战 Jev 的推理能力。

SO-101 机械臂工作台，由 Jev 在预算约束下选择有限关节动作。

让 Jev（TypeSafe AI）解决 2048。

TypeSafe Jev 在浏览器中游玩原版《文明 II》，实时展示动作概率；实验性完整游戏框架。

弈瞬：双 Jev 五子棋九宫格输入实验台，可逐手查看模型决策，支持真实对局回放与实时对战。

由 TypeSafe Jev 驱动的赛博朋克边境遭遇游戏：欺骗守卫并检查决策记录。

采用承诺—揭示机制的石头剪刀布游戏；Jev 评估玩家行为、预测下一步，并在玩家行动前选定自己的出拳。

每次球移动都由模型决策的 Pong 基准，通过 Vercel AI Gateway 比较 Jev 与 LLM。

可编辑规则的生命游戏实验台；Jev 评估合法单元格并选择每次干预，代码负责推进和校验棋盘。

受 Atari《River Raid》启发的 Python 河流射击游戏，由 TypeSafe AI 飞行员游玩。

以休斯敦 River Oaks 为背景、使用 Jev 驱动 NPC 的模拟项目。

由 TypeSafe AI 控制的 Minecraft Java 玩家，实时展示决策、搭建加拿大国旗并提供并排仪表板。

Minecraft 模组，让 Jev 在没有预设路线的情况下从零尝试通关。

实验性贪吃蛇环境：游戏引擎负责确定性规则，Jev 每个 Tick 根据结构化状态决定移动方向。

Jev 实时游玩浏览器乒乓球，使用结构化遥测、类型化决策、普通 Chrome 输入和可审计证据。

由 TypeSafe Jev 模型游玩的 Chrome 恐龙游戏。

三维行星车沙盒，用于试验 TypeSafe AI 的自主决策。

维基百科链接竞速，使用 Jev 直接排序并在终端实时展示。

Three.js 无人机模拟器，配有 Python 后端和实时 Jev 导航决策。

浏览器游戏：尝试在识别垃圾信息方面击败 Jev。

可视化 TypeSafe 演示，由 Jev 选择经过验证的俄罗斯方块落点。

由 TypeSafe Jev 驱动的三维国际象棋，默认 AI 对 AI，也可选择任一方游玩，并提供多种难度。

JEV Prix 模拟：五名 AI 车手、程序生成赛道、BYOK Jev 和回放保存。

使用 Jev 结构化决策和值问题的可重放 Atari 实验。

Jev 的 MoonBit 客户端，以及带计时日志的 Jev 对 Jev 五子棋对局。

由 Jev 驱动、供家庭游玩虚构词语的文字游戏。

由 Render Workflows、TypeSafe Jev 和 Render Postgres 驱动的点球游戏。

USER + JEV: P(DOOM) PROTOCOL：TypeSafe Jev 与玩家并肩作战的合作平台射击游戏。

由 TypeSafe Jev System One 驱动、带实时视觉遥测 HUD 的 PlayStation 2 自主 AI Agent。

Next.js 打砖块游戏，挡板由 TypeSafe Jev 实时控制；使用 Claude Code 构建。

《Cyber-Breach: The Jev Protocol》：由 TypeSafe Jev System One 决策模型驱动的赛博朋克战术竞技游戏。

两个 Jev Agent 通过 Vercel AI Gateway 对战贪吃蛇。

TypeSafe Jev 游玩 Atari Pong，每帧一个类型化 Choice 问题，不向模型发送坐标。

面向多种游戏和模拟器平台的可视化 Jev 实验室。

由并行 Jev 评估控制的贪吃蛇，每个游戏 Tick 仅调用一次 API。

让 TypeSafe System One 模型操控小型生物的沙盒，世界逻辑由代码运行。

双方均由 TypeSafe Jev 控制的国际象棋，每一步都是类型化 Choice 决策。

适合客厅电视的社交推理派对游戏，由 TypeSafe Jev 主持。

SIEGE：200 人对抗一个 Agent；TypeSafe System One 类型化动作门控会从每次突破中学习，并通过 W&B Weave 评测及防守循环强化。

使用新模型 Jev 游玩俄罗斯方块。

由 Jev 选择动作的宝可梦游戏实验。