Awesome Jev 提供的内容
Awesome Jev 是一个经过整理、以来源为依据的目录，收录了使用 Jev（TypeSafe AI 的 System One 模型）构建的项目。该仓库本身并不是 SDK，而是帮助开发者发现官方资源、社区客户端、开发者工具、工作流集成、演示、复现项目和评估项目。
Jev 面向的是有边界的软件决策，而不是自由形式的文本生成。它将非结构化的程序状态与类型化问题结合起来，然后返回受约束的答案及其概率。应用代码仍需负责决定如何处理这些答案。
程序状态 + 类型化问题
→ 受约束的答案 + 概率
→ 确定性的应用逻辑该目录优先收录具有公开源代码、具体 Jev 用法、明确限制和可复现证据的项目。所列条目最近一次审核时间为 2026 年 9 月 18 日，但该生态仍处于早期且发展迅速。
理解核心决策原语
在选择项目之前，先确定应用必须做出哪类决策。README 突出了三种问题原语。
- Choice：从受约束的可能答案集中进行选择。适用于分类、路由、分流和行动选择。
- Score：生成有界评估，可用于排序、确定优先级和基于评分标准的评估。
- Noul：表示概率性的“是”“否”或“未知”式决策。可用于验证、审核、检查和防护机制。
当允许的结果可以预先定义时，这些原语非常有用。Jev 并非被定位为通用文本生成器的替代品。
概念性决策循环
README 未提供 SDK 特定的语法，因此下面是概念性伪代码，不是可直接执行的示例。
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()关键模式是：Jev 提出带有概率的受约束决策，而普通应用代码负责执行阈值、权限和副作用控制。
选择起点
在采用社区集成之前，先从官方材料开始。
- 阅读 System One 和 Jev 介绍，了解模型接口、已发布的声明、演示和注意事项。
- 使用官方文档，查看概念、原语、API 细节、模式和当前 SDK 使用说明。
- 访问 TypeSafe AI，了解产品概览和早期访问入口。
- 根据应用技术栈，选择官方的 TypeScript 和 JavaScript SDK 或 Python SDK。
JavaScript 和 TypeScript SDK 提供推断出的答案类型。Python SDK 支持同步和异步使用。对于提供商比较，官方的 System One Python 适配器 为 Jev 和 LLM 提供商提供了通用接口。
安装与设置
Awesome Jev 是一个目录，因此没有共享的应用运行时或通用安装命令。设置方式取决于你选择的 SDK 或项目。请按照以下流程操作，避免依赖过时的假设。
- 选择受维护的实现。首次集成时优先使用官方 SDK；当你需要特定语言或框架时，再考虑社区客户端。
- 打开所选仓库。按照其 README 中关于软件包安装、身份验证、环境变量和版本要求的说明进行操作。
- 查阅当前 API 文档。确认准确的构造函数、请求字段、响应类型和异步行为。
- 创建一个最小化的类型化问题。从一组少量且彼此清晰的结果开始。
- 记录答案和概率。保留足够证据，以评估准确性、阈值、延迟和弃答情况。
- 加入确定性控制。不要仅凭概率答案触发不可逆或高影响的操作。
其他语言和框架客户端
该目录收录了面向多种环境的社区集成。例如，面向 Go 的 typesafe-go、面向 Elixir 和 OTP 的 jev，以及面向 Laravel 的 laravel-typesafe-jev。Python 用户还可以查看异步客户端 jevclient。
这些项目是各自独立的仓库，拥有独立的设置说明和许可证。被 Awesome Jev 收录并不代表 TypeSafe AI 的认可。
构建基本的 Jev 工作流
第 1 步：定义有界任务
选择一个输出空间有限的决策。适合作为起点的任务包括：将传入请求分配到队列、根据评分标准评估记录、检查证据是否支持某项声明，或对一小组候选项进行排序。
概念上的路由定义可能如下：
状态：
传入请求、账户上下文、策略元数据
类型化选择：
billing | technical_support | abuse_review | unknown
应用规则：
仅当所选答案达到经过测试的阈值时才进行路由第 2 步：提供相关状态
提供决策所需的信息，不要指望模型凭空补全缺失事实。明确列出策略规则和重要约束。如果下游操作需要的数据不存在，应让工作流暂停或升级处理，而不是进行猜测。
第 3 步：提出类型化问题
有限分类使用 Choice，有界评估使用 Score，是、否或未知式检查使用 Noul。请按照所选 SDK 的文档使用准确的请求格式。
第 4 步：解读概率
响应通过架构验证，只能证明结果符合请求的结构，并不能证明决策正确。应将返回的概率作为策略的输入，而该策略必须经过带标签样本的测试。
if confident and action_is_allowed:
continue_workflow()
elif review_is_available:
send_to_human()
else:
stop_safely()第 5 步：保持执行的确定性
使用传统代码执行权限、合法状态转换、速率限制和安全检查。对于审核、代码执行、工具调用、物理设备及其他高影响操作，这种分离尤为重要。
将 Jev 应用于常见使用场景
语义路由
对于 HTTP 路由，hono-jev-router 可根据含义对 Hono 请求进行路由。tiershift 专注于 TypeScript 和 Python 的策略约束模型路由，而 jev-codex-router 会为每轮对话选择 Codex 模型、推理和速度设置。
数据过滤与分流
jev-curate 可过滤并评估 Parquet 和 JSONL 数据流。jevlogs 会在更昂贵的分析之前对 OpenTelemetry 日志进行分流。面向数据库的选项包括 pg-jev PostgreSQL 扩展，以及 jevsql，后者使用自然语言谓词进行类似 SQL 的过滤、排序、分类和评分。
智能体与防护措施
面向智能体的项目展示了类型化决策如何位于模型与其工具之间。jev-guard 会为工具调用分配允许、询问或拒绝结果。winnow 会在将工具结果加入 Claude Code 上下文前进行判断，而 Canny 会记录证据，并质疑缺乏支持的完成声明。
当决策层无法绕过确定性的授权机制时，这些模式最为可靠。即使结果为允许，仍应根据应用实际的权限和安全策略进行检查。
交互式与实时系统
该目录包含游戏和机器人实验，它们将概率判断与确定性的世界规则分离开来。typesafe-snake 在每个游戏刻进行一次类型化决策，同时由代码生成合法移动。heist-one 使用 Jev 判断守卫，而由确定性代码控制游戏世界。jev-drone 则在 MuJoCo 四旋翼实验中探索较慢的战术决策。
实现可靠决策的进阶技巧
使用自己的数据校准阈值
不要照搬无关演示中的置信度阈值。收集来自目标环境的带标签样本，并测量不同阈值下的结果。jevcal 被列为一个用于拟合置信度阈值和检查漂移的工具。
衡量选择性风险与延迟
当置信度不足时，允许系统弃权。然后同时衡量已接受决策的准确率，以及被发送到备用流程的案例比例。jev-benchmarks 提供可复现的评估，重点关注校准、选择性风险和延迟。
比较不同的决策方法
在决定 Jev 是否适合某项任务时，请使用受控比较。Janus会衡量何时应使用 Jev 而非其他模型，并据此进行路由。typesafe-ai-benchmark项目提供了一个 LLM 网关，其输出格式仿照 System One，可用于比较工作。
递归处理大型分类体系
当分类体系大于模型可直接处理的选项上限时，应将决策划分为范围受限的阶段，而不是呈现一个不受限制的输出空间。jev-tree展示了如何对大型分类体系进行递归选择。
结合结构化验证与语义验证
本地模式验证和语义判断解决的是不同问题。zod-jev将 Zod 形状验证与 Jev 语义验证结合起来。即使具备这两层验证，也应使用具有代表性的数据验证任务表现。
保留证据
对于每次决策，可以考虑记录输入状态版本、类型化问题、允许的答案、选定答案、概率、阈值、回退路径和最终确定性操作。这有助于审计、错误分析、校准和漂移检测。
重要注意事项：通过模式验证的结果不一定是正确的决策。请使用你的数据进行验证，校准阈值，将高影响操作置于确定性检查之后，并提供人工回退机制。
谨慎探索开放复现项目
该目录还链接到独立的类 Jev 接口和开放实现，包括 openjev-sglang、jevmlx、openvons和 openjev。这些项目明确被描述为独立项目，而非 TypeSafe 的官方发布版本。
评估开放复现项目时，请核实 API 兼容性、模型要求、硬件支持、约束执行、概率校准、支持的模态和已公布的限制。相似的输出格式并不保证行为等效。
贡献项目
如果你构建了 Jev 项目，请阅读仓库中的 CONTRIBUTING.md并提交拉取请求。如果小型项目的公开源代码能够清晰展示具体的 Jev 决策循环，同样欢迎提交。请记录任务、类型化输出、概率处理、确定性控制、限制和复现步骤。
Awesome Jev 以 CC0 1.0 Universal许可发布。每个链接项目都保留其自身许可证，因此在使用或修改其代码前，请先查看该项目的条款。
结语
Awesome Jev 是了解不断发展的 System One 生态的实用地图。请从适用于你所用语言的官方文档和 SDK 开始，构建一个范围受限的类型化决策，并让执行始终处于确定性控制之下。在投入生产使用前，请使用具有代表性的数据进行评估，校准阈值，衡量弃答率和延迟，并为不确定或影响重大的情况保留可靠的人工回退机制。