Wir sind eine Community-Seite für Jev-AI-Extras — Widgets, Workflows und Ideen, die du im Browser ausprobieren und mit anderen teilen kannst. Offizielle Docs und API liegen bei TypeSafe AI; wir konzentrieren uns auf das, was du heute bauen und ausprobieren kannst.
Wähle etwas zum Ausprobieren, starte es online, wenn wir es hosten, forke die Idee oder reiche deinen eigenen Beitrag ein. Für die meisten Demos ist keine Installation nötig.
Entdecke Playbooks, Mini-Tools und Feature-Notizen anderer Builder — sortiert nach dem, was du zuerst online testen kannst.
Starte gehostete Demos mit einem Klick, wenn verfügbar. Passe Eingaben an, sieh strukturierte Jev-Ausgaben und lerne durch Ausprobieren.
Veröffentliche deine Variante, schreibe einen Trick auf oder bitte um eine gehostete Demo. Der Katalog bleibt nützlich, weil Menschen beitragen.
import typesafe client = typesafe.Client(api_key="jev_...") decision = client.decide( model="jev-1", state=support_ticket_text, # Beispiel aus einem Community-Playbook questions={ "intent": ["refund", "bug", "billing", "other"], "needs_human": bool, "urgency": ("score", 1, 5), }, ) # → {"intent": ("refund", p=0.94), "needs_human": (false, p=0.88), # "urgency": (4, confidence=0.91)} · ~120ms end to end
TypeSafe AI liefert Modell, Kerninfrastruktur und native API. JevAI Community bündelt Peripherie-Features, kuratierte API-Empfehlungen, mode-gesteuerte Rezepte und Community-Playbooks — mit Online-Tests und einsatzbereiten API-Implementierungen, wo möglich.
| Offizielles Jev / TypeSafe | JevAI Community | |
|---|---|---|
| Fokus | Modell, Infrastruktur und native API-Ausführung. | Peripherie-Tools, API-Empfehlungen und geteilte Playbooks. |
| Inhalte | Docs, Pricing, SDK-Referenz und Enterprise-Zugang. | Community-Artikel, API-Rezepte nach Mode (compaction, router usw.) und Live-Demos. |
| Erlebnis | Integration über produktionsreife API im Stack. | Im Browser stöbern, API-Snippets kopieren und Modi testen. |
| Beiträge | Produkt-Roadmap und Core-Engine-Updates. | Eingereichte API-Use-Cases, Community-Plugins und Featured-Workflows. |
Inhalte stammen aus der Community. API-Empfehlungen, Entwickler-Workflows und Tools ordnen wir in folgende Kategorien:
Interaktive UIs im Browser, ohne Code — Klassifikatoren, Scorer und Router mit Millisekunden-Latenz testen.
Schritt-für-Schritt: typisierte Eingabe-Schemas, verschiedene Mode-Parameter und strukturierte Ergebnisse in Apps oder Workflows einbinden.
Community-Klebstoff und produktionsreife Plugins — z. B. fast-jev-compaction für Claude Code, Webhooks, Dashboards und Helfer neben der offiziellen API.
Kreative Community-Demos mit Deep-Dives zu Latenz, Prompt-Design und strukturierten JSON-Outputs.
Community-Repo mit erprobten Prompts und Schemas (TypeScript / JSON Schema). Copy-Paste-Vorlagen für Klassifikation, Extraktion und Routing — zuverlässig ohne Fließtext.
Was als Nächstes für Community und Open Source kommt. Eigene Playbooks einreichen, Plugins wie fast-jev-compaction beitragen oder an Feature-Requests teilnehmen.
Von Coding-Agenten über Echtzeit-KI bis Visual Inference: Entwickler nutzen das Jev Model für schnelle, strukturierte Entscheidungen.
Verlustbehaftete Summaries durch Jev-Entscheidungen ersetzen.
Ein Claude-Code-Plugin, das mit Jev entscheidet, welche Tool-Aufrufe und Ergebnisse noch relevant sind. Veralteter Kontext kann entfernt oder gekürzt werden, Beibehaltenes bleibt wörtlich — wichtig für lange Coding-Sessions.
tamaratran/fast-jev-compaction
Community-Claude-Code-Plugin — forken, ansehen und eigenen Jev-API-Key einbinden.
Auf GitHub ansehenUnstrukturierte Eingaben in strukturierte Entscheidungen verwandeln.
Mit Jev Nutzerintention erkennen und Anfragen nach relevanten Signalen routen. Statt langer Textantworten liefert Jev direkt die Entscheidung, die deine App braucht.
Echtzeit-KI-Interaktionen handlungsfähiger machen.
Jev mit GPT Live kombinieren für schnelle Entscheidungen in Live-Gesprächen — relevante Produkte erkennen und empfehlen, was als Nächstes gezeigt werden soll.
Rechnungen in Sekunden prüfen und klassifizieren.
Mit Jev viele Rechnungen verarbeiten und strukturierte Buchhaltungsentscheidungen treffen — für Kategorisierung und Routing in Finanz-Workflows.
Jev-artige Entscheidungen für visuelle Aufgaben.
Lernexperiment zu Visual Inference auf Apple Silicon: gemeinsamer Kontext, direktes Kandidaten-Scoring und lokale Visual-Demos — inkl. Drei-Farben-Produktsortierung.
vinnylarouge/jevlike
Visual-Scoring-Demos und Jev-like-Starter zum lokalen Ausführen auf Apple Silicon.
Auf GitHub ansehenErzähl uns, was du rund um Jev gebaut hast — Demos, Integrationen oder clevere Workflows. Das Beste stellen wir online vor.
Deine Idee einreichen