ชุมชนนี้
JEV Hub
- แคตตาล็อกอิสระและบันทึกเวิร์กโฟลว์
- Playground แบบสดด้วยคีย์ของคุณ
- เซิร์ฟเวอร์ MCP สำหรับเอเจนต์ ใช้คีย์ของคุณ
- ไม่เก็บและไม่บันทึกคีย์ API
ชุมชน Jev อิสระ
รัน Jev ออนไลน์ แล้วนำคำถามเดียวกันไปใส่ในโค้ดของคุณ
วางคีย์ TypeSafe กดรัน แล้วอ่านตัวเลือก ความน่าจะเป็น และความมั่นใจจริงของ Jev จากนั้นเชื่อมคำถามเดียวกันเข้ากับเอเจนต์ผ่าน MCP หรือ SDK
MODE
STATEticket.intent
KEYSrefund · bug · billing
ใช้คีย์ TypeSafe ของคุณเอง ส่งต่อครั้งเดียวต่อการรันและไม่เคยถูกเก็บ
สามทางเริ่มต้น
รันคำขอบน Jev ด้วยคีย์ของคุณและดูทุกความน่าจะเป็น ตรวจ คัดลอก หรือดาวน์โหลด JSON ได้ด้วย
เปิด playground →ให้ Claude Code, Cursor หรือ Codex ถาม Jev ด้วยคำถามแบบมีชนิดที่จุดตัดสินใจ โดยใช้คีย์ของคุณเอง
เชื่อมเอเจนต์ →SKILL.md ไฟล์เดียวที่ช่วยให้รูปแบบคำขอ ชนิดคำถาม และการใช้ความมั่นใจถูกต้อง
ติดตั้ง Skill →ในโค้ดของคุณ
import { TypeSafeClient, choice, noul, score } from "@typesafe-ai/sdk";
const client = new TypeSafeClient(); // reads TYPESAFE_API_KEY
const { answers } = await client.systemOne({
state: ticketText,
questions: {
team: choice("Which team should handle this ticket?", {
billing: "Payments, invoices and refunds",
technical: "Bugs and integration failures",
other: null,
}),
urgency: score("How urgently does the customer need a reply?", [
"Can wait", "Needs a timely reply", "Same-day deadline",
]),
wantsRefund: noul("Is the customer asking for a refund?"),
},
});
if (answers.team.confidence < 0.6) sendToHuman();
else route(answers.team.choice, answers.urgency.score);SDK JavaScript ทางการของ TypeSafe (npm install @typesafe-ai/sdk) คำตอบกลับมาแบบมีชนิดภายใต้คีย์เดิม
ชุมชนนี้
ผลิตภัณฑ์ทางการ
api.typesafe.ai/v1/systemoneผลงานชุมชน
เดโมห้าชิ้นที่มีแหล่งอ้างอิงจากโพสต์สาธารณะ ที่เหลืออยู่ในแกลเลอรี
David
ขอแนะนำ jevgrep: CLI เอเจนต์รีเสิร์ชที่ขับเคลื่อนด้วย Jev จาก @typesafeai ช่วยลดต้นทุนเอเจนต์เขียนโค้ดได้ 40% (ยืนยันบน SWE-bench แล้ว) อย่าลืมใช้ skill ที่มาในตัว เพื่อให้เอเจนต์รู้ว่าต้องใช้ jg ในการรวบรวมบริบท
OpenRouter
ขอแนะนำ typesafe/jev-router: ตัวจัดเส้นทางโมเดลที่คำนึงถึงแคช ขับเคลื่อนด้วย Jev และ @typesafeai Jev Router เลือกโมเดลและระดับการให้เหตุผลที่ดีที่สุดสำหรับแต่ละคำขอ โดยสมดุลคุณภาพ ความเร็ว และต้นทุน ดูวิธีทำงานได้ด้านล่าง 👇🏻
Godefroy
Jev ปะทะ Claude หุ่นยนต์ตัวเดียวกัน คำสั่งเดียวกัน 233 ms เทียบกับ 2 วินาที และใช่ มันงอนถ้าคุณด่ามัน ความเร็ว 1x เปิดเสียงด้วย
ElevenLabs Developers
ตรวจจับการหลอกลวงแบบเรียลไทม์ด้วย Jev และ ElevenLabs โดย ElevenLabs ถอดเสียงผู้โทรขณะพูด ส่วน Jev คำนวณความเสี่ยงรวมและจับสัญญาณอันตรายที่พบบ่อย แต่ละคำขอตอบกลับใน ~180 ms และ 11 คำขอมีค่าใช้จ่าย $0.00043
jhey ʕ•ᴥ•ʔ
สร้างตัวตรวจงานเขียนแบบเรียลไทม์ด้วย Jev 📝 เขียนกฎเองได้ เช่น “ทำเครื่องหมายทุกอย่างที่ฟังดูเหมือนโพสต์ LinkedIn” มีเครื่องพิมพ์ใบเสร็จด้วย 🖨️ (มีเสียง)
โอเพนซอร์ส
วางไว้แค่ 6 รีโพซิทอรี GitHub ที่ตรวจแล้ว ดาวเป็นของ GitHub ณ 2026-09-23 ไม่ใช่ตัวเลขของ JEV Hub
ผู้เขียน tamaratran
ปลั๊กอิน Claude Code ที่ใช้คำขอ Jev ครั้งเดียวให้คะแนนการเรียกเครื่องมือและผลลัพธ์ ทิ้งหรือตัดของที่เก่า และเก็บที่เหลือเป็นข้อความเดิม
ผู้เขียน vinnylarouge
โมเดลเริ่มต้นที่เป็นอิสระ ให้ข้อความกับชุดตัวเลือก แล้วคืนความน่าจะเป็นของแต่ละตัวเลือกในครั้งเดียว TypeSafe ไม่ได้เผยแพร่แบบ ภายในมีเดโมภาพที่รันในเครื่อง
ผู้เขียน TianyuCodings
งานจำลอง nano ของ Jev มีการตัดสินแบบขนาน ผู้สมัครที่เปลี่ยนได้ และขั้นตอนฝึก
ผู้เขียน jaredpalmer
ครอบครัวโมเดลตัดสินใจขนาดเล็กแนว Jev ที่เป็นอิสระ สร้างบน Qwen3.5 และฝึกกับรันเองได้
ผู้เขียน devagrawal09
การตรวจโค้ดเป็นขั้นและแดชบอร์ดในเครื่อง ที่สร้างด้วย TypeSafe Jev
ผู้เขียน yibie
รายการสาธารณะของโปรเจกต์ การเชื่อม และการพูดคุยเกี่ยวกับ Jev
คู่มือ
A worked example of high-volume product selection for Amazon FBA and TikTok Shop: batch margin, size, IP, and MOQ checks into one Jev request per product, and screen 80,000 listings for about $5 in a little over an hour.
A summary of programmer Yupi's hands-on Jev review: the three question types, why Jev is fast, a 1,000-email test against DeepSeek V4.1 Flash, where a match-pairs game fell short, and the limits he lists. With a runnable request.
Jinqiu Research sorted 5,314 public Jev case records into 1,912 applications. Gates, action control, and routing make up over half, and only about 11% have reached product or framework integration. The numbers, examples, and caveats, summarized.