Kami ialah laman komuniti untuk tambahan Jev AI — widget, aliran kerja, dan idea yang boleh anda cuba dalam pelayar dan kongsi. Dokumentasi dan API rasmi ada di TypeSafe AI; kami fokus pada apa yang boleh anda bina dan cuba hari ini.
Pilih sesuatu untuk dicuba, jalankan dalam talian apabila kami hoskan, kemudian fork idea atau hantar tulisan anda. Kebanyakan demo tidak perlu pemasangan.
Temui playbook, alat mini, dan nota ciri dari pembina lain — disusun mengikut apa yang boleh dicuba dalam talian dahulu.
Buka demo dihoskan satu klik jika tersedia. Ubah input, lihat output berstruktur gaya Jev, belajar sambil praktik.
Terbitkan varian anda, tulis tip, atau minta demo dihoskan. Katalog kekal berguna kerana sumbangan ahli.
import typesafe client = typesafe.Client(api_key="jev_...") decision = client.decide( model="jev-1", state=support_ticket_text, # contoh petikan daripada playbook komuniti 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 menyediakan model, infrastruktur teras, dan API native. JevAI Community mengumpul ciri periferal, cadangan endpoint API terpilih, resipi berasaskan mode, dan corak main komuniti — dengan ujian dalam talian langsung dan pelaksanaan API sedia guna apabila boleh.
| Jev rasmi / TypeSafe | JevAI Community | |
|---|---|---|
| Fokus | Model, infrastruktur, dan pelaksanaan API native. | Alat periferal, cadangan endpoint API, dan playbook dikongsi. |
| Kandungan | Docs, harga, rujukan SDK, dan akses enterprise. | Tulisan komuniti, resipi API mengikut mode (compaction, router, dll.), dan demo live. |
| Pengalaman | Integrasi API sedia produksi ke stack anda. | Layari, salin snippet API, dan uji mode berbeza dalam pelayar. |
| Sumbangan | Roadmap produk dan kemas kini enjin teras. | Use case API daripada pengguna, plugin komuniti, dan aliran kerja pilihan. |
Kandungan disumbang dan dikurasi komuniti. Kami susun cadangan endpoint API, aliran kerja pembangun, dan alat ke kategori berikut:
UI interaktif kecil untuk uji aliran dikuasakan Jev dalam pelayar tanpa menulis kod — cuba classifier, scorer, dan router dengan latency milisaat.
Corak langkah demi langkah: tentukan state input dengan schema typed, guna parameter mode berbeza, dan sambung hasil berstruktur ke app atau aliran kerja.
Plugin dan helper komuniti bersebelahan API rasmi — fast-jev-compaction untuk Claude Code, webhook, dashboard, dan lain-lain.
Demo kreatif komuniti (dari aliran masa nyata ke UX playful) dengan nota mendalam tentang optimasi latency, reka bentuk prompt, dan output JSON berstruktur.
Repositori komuniti prompt teruji dan schema typed (TypeScript / JSON Schema). Templat sedia salin untuk klasifikasi, pengekstrakan, dan routing.
Ketahui seterusnya untuk komuniti dan ekosistem OSS. Hantar playbook, sumbang plugin seperti fast-jev-compaction, atau sertai permintaan ciri.
Daripada ejen pengekodan ke AI masa nyata dan inferens visual, pembangun temui cara baharu menggunakan Jev Model untuk keputusan pantas dan berstruktur.
Ganti ringkasan lossy dengan keputusan dikuasakan Jev.
Plugin Claude Code yang guna Jev untuk tentukan panggilan alat dan hasil mana masih relevan. Konteks lapuk boleh dibuang atau dipendekkan; yang disimpan kekal verbatim — kekalkan butiran penting dalam sesi pengekodan panjang.
tamaratran/fast-jev-compaction
Plugin Claude Code komuniti — fork, semak, dan sambung kunci API Jev anda sendiri.
Lihat di GitHubTukar input tidak berstruktur kepada keputusan berstruktur.
Guna Jev untuk kenal pasti intent pengguna dan route permintaan berdasarkan isyarat penting. Daripada respons panjang, Jev boleh terus jawab keputusan yang aplikasi anda perlukan.
Jadikan interaksi AI masa nyata lebih actionable.
Gabung Jev dengan GPT Live untuk keputusan pantas semasa perbualan live — kenal pasti produk relevan dan cadangkan apa untuk dipaparkan atau dicadangkan seterusnya.
Semak dan klasifikasi invois dalam saat.
Guna Jev untuk proses invois dalam jumlah besar dan hasilkan keputusan perakaunan berstruktur, membantu automasi kategorisasi dan routing aliran kewangan.
Bawa decision making gaya Jev ke tugasan visual.
Eksperimen pendidikan inferens visual pada Apple Silicon: konteks dikongsi, scoring calon langsung, dan demo visual tempatan — termasuk isihan produk tiga warna.
vinnylarouge/jevlike
Demo scoring visual dan starter seperti Jev yang boleh dijalankan tempatan pada Apple Silicon.
Lihat di GitHubCeritakan apa yang anda bina sekitar Jev — demo, integrasi, atau aliran kerja pintar. Yang terbaik kami paparkan dalam talian.
Hantar idea anda