AIチュートリアル

Jevプロジェクトを探求し、型付き確率的意思決定ワークフローを構築する

このチュートリアルでは、Jevの型付き意思決定モデルを解説し、中核となる質問プリミティブを紹介します。また、Awesome JevディレクトリからSDK、インテグレーション、サンプル、評価ツールを選択する方法を示します。さらに、ルーティング、スコアリング、検証、ガードレール、キャリブレーション、決定論的フォールバックの実践的なパターンも学べます。

2026年9月18日約15分で読了

Awesome Jevが提供するもの

Awesome Jevは、TypeSafe AIのSystem OneモデルであるJevを使用して構築されたプロジェクトを厳選して掲載する、出典付きのディレクトリです。SDKそのものではなく、公式リソース、コミュニティ製クライアント、開発者向けツール、ワークフロー統合、デモンストレーション、再現実装、評価プロジェクトを開発者が見つけられるようにするリポジトリです。

Jevは、自由形式のテキスト生成ではなく、範囲が定められたソフトウェア上の意思決定を目的に設計されています。構造化されていないプログラム状態と型付きの質問を組み合わせ、制約された回答とそれに関連する確率を返します。その回答を使って何をするかは、アプリケーションコードが決定します。

プログラム状態 + 型付きの質問
→ 制約された回答 + 確率
→ 決定論的なアプリケーションロジック

このディレクトリでは、公開ソースコード、具体的なJevの使用例、文書化された制限事項、再現可能な証拠を備えたプロジェクトを重視しています。掲載項目の最終確認日は2026年9月18日ですが、エコシステムは始まったばかりで急速に変化していると説明されています。

中核となる意思決定プリミティブを理解する

プロジェクトを選ぶ前に、アプリケーションがどのような意思決定を行う必要があるかを確認しましょう。READMEでは、3つの質問プリミティブが紹介されています。

Choice: 可能な回答の制約された集合から選択します。分類、ルーティング、トリアージ、アクション選択に適しています。
Score: 範囲が制限された評価を生成し、ランキング、優先順位付け、評価基準に基づく評価を支援できます。
Noul: 確率的な「はい」「いいえ」「不明」形式の意思決定を表します。検証、モデレーション、チェック、ガードレールに利用できます。

これらのプリミティブは、許可される結果をあらかじめ定義できる場合に有用です。Jevは汎用的なテキスト生成器の代替として位置付けられていません。

概念的な意思決定ループ

READMEにはSDK固有の構文が示されていないため、以下は直接実行できる例ではなく、概念的な疑似コードです。

state = collect_relevant_program_state()
question = define_typed_question(
  allowed_answers = ["route_a", "route_b", "abstain"]
)

result = ask_jev(state, question)

if result.probability >= validated_threshold:
    apply_deterministic_action(result.answer)
else:
    request_human_review()

重要なのは、Jevが確率付きの制約された意思決定を提案し、通常のアプリケーションコードがしきい値、権限、副作用を適用するというパターンです。

出発点を選ぶ

コミュニティ統合を採用する前に、まず公式資料を確認しましょう。

System OneとJevの紹介を読み、モデルインターフェース、公開されている主張、デモンストレーション、注意点を確認します。
公式ドキュメントで、概念、プリミティブ、APIの詳細、パターン、現在のSDK手順を確認します。
TypeSafe AIで、製品概要と早期アクセスへの入口を確認します。
アプリケーションの技術スタックに応じて、公式のTypeScriptおよびJavaScript SDKまたはPython SDKを選択します。

JavaScriptおよびTypeScript SDKは、回答型を推論できます。Python SDKは同期および非同期の使用をサポートします。プロバイダーを比較する場合、公式のSystem One Pythonアダプターは、JevとLLMプロバイダーに共通のインターフェースを提供します。

インストールとセットアップ

Awesome Jevはカタログであるため、共有アプリケーションランタイムや統一されたインストールコマンドはありません。セットアップは、選択したSDKまたはプロジェクトによって異なります。古い前提に依存しないよう、次の手順を使用してください。

保守されている実装を選択する。 最初の統合では公式SDKを優先し、特定の言語やフレームワークが必要な場合にコミュニティ製クライアントを検討します。
選択したリポジトリを開く。 パッケージのインストール、認証、環境変数、バージョン要件については、そのリポジトリ独自のREADMEに従います。
最新のAPIドキュメントを確認する。 正確なコンストラクター、リクエストフィールド、レスポンス型、非同期動作を確認します。
最小限の型付き質問を作成する。 互いに区別できる少数の結果から始めます。
回答と確率を記録する。 精度、しきい値、レイテンシ、棄権を評価するのに十分な証拠を保持します。
決定論的な制御を追加する。 確率的な回答だけで、取り消し不能なアクションや影響の大きいアクションを実行できるようにしないでください。

別の言語やフレームワーク向けのクライアント

このディレクトリには、複数の環境向けのコミュニティ統合が含まれています。例として、Go向けのtypesafe-go、ElixirおよびOTP向けのjev、Laravel向けのlaravel-typesafe-jevがあります。Pythonユーザーは、非同期対応のjevclientも確認できます。

これらはそれぞれ独立したリポジトリであり、独自のセットアップ手順とライセンスがあります。Awesome Jevへの掲載は、TypeSafe AIによる推奨を意味しません。

基本的なJevワークフローを構築する

ステップ1：範囲を限定したタスクを定義する

出力の種類が有限である判断を選びます。最初に取り組みやすいタスクには、受信したリクエストをキューに割り当てること、評価基準に基づいてレコードを評価すること、証拠が主張を裏付けているか確認すること、少数の候補を順位付けすることなどがあります。

概念的なルーティング定義は次のようになります。

状態：
  受信リクエスト、アカウントコンテキスト、ポリシーメタデータ

型付き選択肢：
  billing | technical_support | abuse_review | unknown

適用ルール：
  選択された回答がテスト済みのしきい値を満たす場合にのみルーティングする

ステップ2：関連する状態を提供する

モデルが不足している事実を推測することなく判断できるよう、必要な情報を提供します。ポリシールールや重要な制約は明示してください。後続のアクションに欠落しているデータが必要な場合は、推測させるのではなく、ワークフローを保留またはエスカレーションへ進めます。

ステップ3：型付きの質問をする

有限分類にはChoice、範囲が限定された評価にはScore、yes、no、unknown形式の確認にはNoulを使用します。正確なリクエスト形式については、使用するSDKのドキュメントに従ってください。

ステップ4：確率を解釈する

スキーマに適合したレスポンスが証明するのは、結果が要求された構造に収まっていることだけです。判断が正しいことを証明するものではありません。返された確率は、ラベル付きサンプルで検証したポリシーへの入力として扱います。

if confident and action_is_allowed:
    continue_workflow()
elif review_is_available:
    send_to_human()
else:
    stop_safely()

ステップ5：実行を決定論的に保つ

権限、合法的な遷移、レート制限、安全確認を適用するには、従来のコードを使用します。この分離は、モデレーション、コード実行、ツール呼び出し、物理デバイスなど、影響の大きい操作で特に重要です。

Jevを一般的なユースケースに適用する

セマンティックルーティング

HTTPルーティングでは、hono-jev-routerが意味に基づいてHonoのリクエストをルーティングします。tiershiftはTypeScriptおよびPython向けのポリシー制約付きモデルルーティングに重点を置き、jev-codex-routerはターンごとにCodexのモデル、推論、速度設定を選択します。

データのフィルタリングとトリアージ

jev-curateはParquetおよびJSONLストリームをフィルタリングし、スコアリングします。jevlogsは、よりコストの高い分析を行う前にOpenTelemetryログをトリアージします。データベース向けの選択肢には、pg-jev PostgreSQL拡張機能や、自然言語の述語を使ってSQL風のフィルタリング、順位付け、分類、スコアリングを行うjevsqlがあります。

エージェントとガードレール

エージェント向けのプロジェクトは、型付きの判断をモデルとツールの間に置く方法を示しています。jev-guardは、ツール呼び出しにallow、ask、denyの結果を割り当てます。winnowはClaude Codeのコンテキストに追加する前にツールの結果を判定し、Cannyは証拠を記録し、裏付けのない完了主張に異議を唱えます。

これらのパターンは、判断レイヤーが決定論的な認可を回避できない場合に最も効果を発揮します。allowの結果であっても、アプリケーションの実際の権限および安全ポリシーに照らして確認してください。

インタラクティブシステムとリアルタイムシステム

このディレクトリには、確率的な判断と決定論的な世界のルールを分離するゲームやロボティクスの実験が含まれています。typesafe-snakeは、ゲームの各ティックで1つの型付き判断を行い、コードが合法的な手を生成します。heist-oneはJevを使って警備員を判定し、決定論的なコードでゲーム世界を制御します。jev-droneは、MuJoCoのクアッドローター実験で、より遅い戦術的判断を検証します。

信頼性の高い判断のための高度なヒント

独自データでしきい値を調整する

無関係なデモの信頼度しきい値をそのまま使わないでください。想定する環境からラベル付きサンプルを収集し、しきい値ごとに何が起きるかを測定します。jevcalは、信頼度しきい値の適合とドリフトの確認を行うツールとして掲載されています。

選択的リスクとレイテンシを測定する

信頼度が不十分な場合にシステムが保留できるようにします。そのうえで、受け入れた判断の精度と、フォールバックへ送られるケースの割合の両方を測定します。jev-benchmarksは、キャリブレーション、選択的リスク、レイテンシに焦点を当てた再現可能な評価を提供します。

判断アプローチを比較する

Jevがタスクに適しているかを判断する際は、統制された比較を使用してください。Janusは、Jevと他のモデルのどちらを使うべきかを測定し、それに応じてルーティングします。typesafe-ai-benchmarkプロジェクトは、比較作業向けにSystem Oneの出力形式を模倣するLLMゲートウェイを提供します。

大規模な分類体系を再帰的に処理する

分類体系がモデルの直接的な選択肢の上限を超える場合、制約のない出力空間を提示するのではなく、判断を上限付きの段階に分割してください。jev-treeは、大規模な分類体系に対する再帰的な選択を実証しています。

構造検証と意味検証を組み合わせる

ローカルでのスキーマ検証と意味的な判断は、それぞれ異なる問題を解決します。zod-jevは、Zodによる形状検証とJevによる意味検証を組み合わせます。両方の層を備えていても、代表的なデータでタスクの性能を検証してください。

証拠を保持する

各判断について、入力状態のバージョン、型付きの質問、許可された回答、選択された回答、確率、しきい値、フォールバック経路、最終的な決定論的アクションの記録を検討してください。これは、監査、エラー分析、キャリブレーション、ドリフト検出に役立ちます。

重要な注意点：スキーマを満たす結果が、必ずしも正しい判断とは限りません。実際のデータで検証し、しきい値をキャリブレーションし、影響の大きいアクションには決定論的なチェックを設け、不確実な場合に人間へ引き継げるようにしてください。

公開された再実装を慎重に検討する

このディレクトリには、openjev-sglang、jevmlx、openvons、openjevなど、独立したJev類似インターフェースや公開実装へのリンクも掲載されています。これらは、公式のTypeSafeリリースではなく、独立した取り組みとして明記されています。

公開された再実装を評価する際は、API互換性、モデル要件、ハードウェア対応、制約の適用、確率のキャリブレーション、対応モダリティ、公開されている制限事項を確認してください。出力形式が似ていても、同等の動作が保証されるわけではありません。

プロジェクトを登録する

Jevプロジェクトを構築した場合は、リポジトリのCONTRIBUTING.mdを読み、プルリクエストを作成してください。公開ソースから具体的なJevの判断ループが明確に示されている小規模なプロジェクトも歓迎します。タスク、型付き出力、確率の扱い、決定論的な制御、制限事項、再現手順を文書化してください。

Awesome JevはCC0 1.0 Universalの下で公開されています。リンク先の各プロジェクトはそれぞれ独自のライセンスを保持しているため、コードを使用または変更する前に、そのプロジェクトの規約を確認してください。

まとめ

Awesome Jevは、発展しつつあるSystem Oneエコシステムを実用的に把握するための地図です。まず利用する言語の公式ドキュメントとSDKから始め、上限付きの型付き判断を1つ構築し、実行は決定論的に制御してください。実運用で使用する前に、代表的なデータで評価し、しきい値をキャリブレーションし、棄権率とレイテンシーを測定し、不確実または重大なケースに備えて安全な人間によるフォールバックを維持してください。