SDK officiels, plugins tiers, expériences locales et démos de la communauté, chacun lié à son dépôt ou à son post d'origine. Filtrez par catégorie ou cherchez par nom.
Voici typesafe/jev-router : un routeur de modèles attentif au cache, propulsé par Jev et @typesafeai. Le Jev Router choisit pour chaque requête le meilleur modèle et le bon niveau de raisonnement, en équilibrant qualité, vitesse et coût. Voici comment ça marche 👇🏻
La classification de texte dans MotherDuck est ~50 fois plus rapide pour ~1 % du coût. prompt_jev() est une fonction SQL propulsée par Jev, le nouveau modèle System One de TypeSafe. 100 000 lignes : 40 s, 0,50 $, une précision de LLM de pointe. Le LLM a mis 32 min et coûté 37 $. La suite :
Analyse de sentiment en temps réel avec Jev et ElevenLabs. Chaque phrase prend la couleur de l'émotion qu'elle porte pendant que l'appelant parle encore. Six jauges à droite suivent l'humeur de l'appel.
Le secteur des services de comptabilité est mort. Ce week-end, j'ai construit une meilleure solution avec Jev de @typesafeai. Je lui ai donné 34 mois de travail facturés plus de 20 000 $ par un cabinet. Jev a fait mieux en 20 secondes, pour seulement 0,32 $ 🤯
🎇 J'ai fait une petite extension Chrome : un panneau latéral qui pilote les outils WebMCP de n'importe quel site avec Jev ! À chaque frappe, il choisit l'outil pertinent de la page, remplit les arguments et indique son degré de certitude. Ici, en train de faire les courses :
j'ai fait un linter d'écriture en temps réel avec Jev 📝 écrivez vos règles, comme « signale tout ce qui ressemble à un post LinkedIn », imprimante à tickets incluse 🖨️ (avec audio)
J'ai fait un coach de présentation en temps réel avec Jev. Il écoute pendant que vous présentez, suit vos slides et vos notes, et garde la trace de ce qu'il reste à dire.
Voici jevgrep : une CLI d'agent de recherche propulsée par Jev de @typesafeai qui réduit de 40 % le coût de votre agent de code (vérifié sur SWE-bench). Utilisez le skill intégré pour que votre agent sache utiliser jg pour collecter le contexte.
Détection de fraude en temps réel avec Jev et ElevenLabs. ElevenLabs transcrit l'appelant pendant qu'il parle, et Jev calcule le risque global d'arnaque et repère les signaux d'alerte courants. Chaque requête revenait en ~180 ms, et les 11 requêtes ont coûté 0,00043 $.
La dernière version de @ASIMOV_Platform intègre un filtre de sortie `--jev=NOUL`, qui permet aux harnais d'agents comme Hermes de confier à Jev, un modèle System One, de simples décisions de post-traitement en langage naturel. Regardez, je transforme tranquillement mon réseau LinkedIn en JSON-LD
trouvé le use case parfait pour @typesafeai Jev: compaction instantanée en 2026, pourquoi la compaction est encore un prompt de summarization? Jev peut la rendre instantanée en scorant chaque tool call et en droppant ce qui est irrelevant
Breaking: Browser Use + Jev = Ultrafast ⚡ Trouver des vols a pris 7s et n'a coûté que $0.0039 🤯 > nouvel action space à chaque step > DOM state space > petit LLM fallback pour typer (cette vidéo est à 1x speed btw) Construit un tiny open source browser agent. essaie en dessous ↓
J'ai construit un trading bot avec Jev! Jev décide s'il doit "buy" or "sell", given the price feed of an asset pair, and executes real trades. It uses Monad to place the orders on Kuru's on-chain order book in every 300ms block. Demo link →
Jev est WILD pour l'audit SEO 🤯 en 45.1 secondes il a lu les 586 pages de mon site et reconstruit la carte de liens internes. 584 liens placés, 139 pages qu'il a refusé de linker parce que rien ne collait vraiment. coût total $0.21. Claude Opus 5, les mêmes 586 pages, la même clock, en a fait 21 et