一枚火箭正在靠近。
不用先懂原理
给它一个现场。看它怎么选。
下面是根据真实社区案例制作的交互示意。选择一个场景。
DOOM · 实时
一枚火箭正飞过来。往哪躲?
Jev 不看画面。它读取生命值、障碍物和来袭方向,一次给出所有动作的概率。
health: 38 rocket: 14° right left_path: clear enemy_distance: 6.2m查看真实案例
示意概率。真实结果由输入状态与问题决定。
这周,大家真的拿它去玩了
不讲模型。讲四件发生过的事。
DOOM
它每秒问十次:现在躲,还是开火?
Jev 读结构化游戏状态,不读视频。官方演示约 10 次调用/秒,成本约 $7/小时。
~10 decisions/s @CompleteSkepticBROWSER
打开 Google Flights,7.1 秒后找到票。
Jev 负责“点哪个节点、做什么动作”,小模型只在需要输入文字时出现。
7.1s · ~$0.0039 @xKaka1456SLAY THE SPIRE 2
第一幕,9 分钟。花了 1.5 美分。
看起来像速通玩家。作者也很诚实:它并非每次都选得最好。快,不等于聪明。
Act 1 · 9min · $0.015 @pranaygpTRADING
不是写研报。只回答:买、卖、不动。
在 Monad 每个 300ms 区块买或卖。作者直说策略很粗糙;有趣的是模型真在实时下单。
1 decision / 300ms block @jarrodwatts其实很简单
一个会理解现场的 switch。
你定义问题和选项。Jev 只负责判断,不负责发挥。
工单、DOM、牌局、传感器、行情。
state
是不是?选哪个?有多严重?
Noul · Choice · Score
代码拿概率设阈值、走分支。
{ choice, probability }
聊天模型替人写答案。Jev 替软件做判断。
给开发者
一次调用。三个问题。
最快的体验路径是 Vercel AI Gateway。也可以走 TypeSafe、Cloudflare Workers AI 或 OpenRouter。
import { experimental_evaluate as evaluate } from "ai";
const result = await evaluate({
model: "typesafe-ai/jev",
state: currentSituation,
questions: {
shouldRun: { type: "boolean" },
nextMove: {
type: "choice",
criteria: { run: "safe",
ask: "uncertain",
stop: "unsafe" }
}
}
});
继续探索
8 个公开项目,各有一种答案。
-
BROWSER
jev-ultrafast
把浏览器代理的“判断”和“输入文字”拆开:Jev 选动作与 DOM 节点,小模型只负责打字。
browser-use/jev-ultrafast -
DRIVING
typesafe-playground
从客服路由到 3D 驾驶;把传感器输入与 Jev 的转向、刹车决策同时画出来。
kavehmz/typesafe-playground -
CONTEXT
pi-jev-compaction
给工具历史逐项判断保留或丢弃,再压缩上下文;每次取舍都能追溯。
felixfisher/pi-jev-compaction -
GAME
jev-plays-balatro
读取结构化牌局状态决定怎么出牌;仓库还留下知识测试和实际对局结果。
IgorWarzocha/jev-plays-balatro -
GAME
typesafe-mario
不看截图,直接读取模拟器状态,判断向左、向右、跳跃还是停下。
fhshaik/typesafe-mario -
DATA
duckdb-jev
把 Jev 的选择和分数变成真正的 SQL 类型,在 DuckDB 查询里直接判断。
colliber/duckdb-jev -
CODE
jev-review
分阶段审代码:先判断风险与严重度,再决定哪些文件值得深入,最后才交证据。
devagrawal09/jev-review -
INDEX
awesomejev.com
还没逛够?这里继续收录 Jev 应用、SDK、实验和学习资源。
打开完整索引