Awesome Jev Projects / System-1 Agent 架构雷达
把思考留给大模型，把选择题交给 Jev。
从真实社区源码里，查看 Jev 在 Agent 架构中的接入方式与决策位置。已审校 333+ 个开源项目，涵盖浏览器自动化、模型分流降本、MCP 集成与安全护栏。
已审校项目
333
架构分类
17
主题标签
20
源码依据核验
100%
jev-ultrafast — by browser-use
给浏览器一个目标，让 Jev 选择操作和页面控件，需要输入文字时再调用文本模型。
langchain-ai
langchain
给 Python LangChain 流程加一个可选 Jev 分类节点，返回类别、概率和等级评分。
TypeSafeClassifier 将 JSON 状态及类型化问题发送到 /v1/systemone，支持同步与异步 Runnable 调用。
↳ 把结构化判断接进已有 LangChain 流程与追踪接口。
virattt
ai-hedge-fund
一个教育用途的 AI 对冲基金原型，其中可选 Jev 适配器把结构化判断接到基金决策流程。
把策略问题转为 System One 请求，再把原生答案转换成项目统一的结果格式。
↳ 在同一研究流程里选择使用 Jev 或其他模型后端。
BerriAI
litellm
LiteLLM 的复杂度路由器可选用 Jev 判断请求应交给哪个模型档位。
将请求映射到预设复杂度类别，再由 LiteLLM 路由策略选择后端。
↳ 让模型分流使用可检查的复杂度判断。
can1357
oh-my-pi
Oh My Pi 编程 Agent 内含可选的 TypeSafe 判断提供器，供小型决策流程调用。
将 Agent 的状态与有界问题发送给 Jev，并解析结构化回答。
↳ 在现有 Agent 流程里接入可替换的判断提供器。
davila7
jev-model-router
claude-code-templates 社区仓库中的 Jev 路由模组，为 Claude Code 子 Agent 建议模型与思考档位。
评估任务级别、推理需求和生产风险，由本地策略映射成调用配置。
↳ 把模型选择规则单独配置，便于核对每次路由原因。
ComposioHQ
composio
Composio 的可选 TypeSafe provider，用 Jev 从工具与有限参数选项中做判断。
将工具或操作条件转成结构化问题，读取 Jev 答案后交由本地调用逻辑处理。
↳ 把结构化判断接到已有工具调用接口中。
vercel
ai
AI SDK 中的 TypeSafe provider，让 TypeScript 应用通过统一 evaluate 接口调用 Jev。
把选择、评分和是非问题转换为 TypeSafe System One 请求，并解析结构化结果。
↳ 在 AI SDK 应用中复用统一的调用接口。
trycua
cua
Cua 仓库的 jev-use 预览示例：Driver 观察与执行，Jev 从有界候选中选择浏览器动作。
读取 DOM 或可用的视觉区域描述，仅返回已提供的候选动作 ID。
↳ 提供 Python、TypeScript 循环，以及离线与在线分开的验证路径。
pydantic
pydantic-ai
Pydantic AI 的可选 Jev 模型：把输出模型里的布尔和枚举字段变成问题，拿回符合类型的判断。
TypeSafeModel 将支持的 output_type 字段编译为类型化问题，经 TypeSafeProvider 请求 API 后还原输出。
↳ 决策型 Agent 可以复用 Pydantic 输出定义，并与其他模型作对照。
elizaOS
eliza
Eliza 源码中的可选 TypeSafe HTTP 适配器，默认没有注册到 Agent 运行时。
只有业务代码显式调用 systemOne 才发送状态和问题，返回经校验的结构化答案。
↳ 提供一个可复用的服务端接入模块，不代表 Eliza 已在实际业务中使用 Jev。
langchain-ai
langchainjs
LangChain.js 的可选 TypeSafeClassifier 集成，把状态和预设问题交给 Jev。
通过 invoke 调用 TypeSafe，解析 choice、noul、score 及其概率。
↳ 可把结构化判断接入 LangChain 流程，无需把它包装成聊天生成。
vercel-labs
json-render
json-render 网站里的 Jev UI 组合实验：从预定义组件与属性候选中选择，再由代码组装界面。
通过 Vercel AI Gateway 评估组件配置，composeSpec 把答案变成界面规格。
↳ 提供一条与逐 Token 生成 JSON 不同的、可检查的界面组合路径。
openchamber
openchamber
OpenChamber 可选开启自动模型路由：Jev 看消息属于哪类任务，再使用该类绑定的模型和思考档位。
Choice 判断任务类别；另可用 Noul 判断自动批准的权限是否应留给用户确认。
↳ 把模型选择和权限提示接进现有会话界面，并记录失败回退原因。
0xPlaygrounds
rig-typesafeai
Rig 仓库中的实验性 TypeSafe crate，用 Rust 类型组织 Jev 的问题与答案。
把应用状态和问题发送给 Jev，解析 Choice、Score 或 Noul 答案。
↳ 复用问题与答案的字段布局，并验证答案是否符合问题。
kunchenguid
firstmate
Firstmate 可选用 Jev 看任务简报并匹配派工规则，再由本地规则选择 Agent 配置。
将任务简报与候选规则发送给 Jev，按匹配概率及本地条件解析执行配置。
↳ 把语义匹配与最终派工规则分开。
browser-use
jev-ultrafast
给浏览器一个目标，让 Jev 选择操作和页面控件，需要输入文字时再调用文本模型。
根据当前 DOM，在一次请求里选择操作和相应控件；文本模型负责生成输入内容。
↳ 把界面选择、文字生成与浏览器执行分开，方便查看每一步。
agentgateway
agentgateway
Agentgateway 仓库里的 Jev 护栏示例，通过 webhook 检查模型请求和回复。
Jev 对越狱、有害内容和秘密泄露评分，示例按阈值或评估错误拒绝请求。
↳ 展示网关接入方式；模型评分不能保证阻挡全部攻击。
latitude-dev
latitude-llm
Latitude 的可选 Jev 预分类器为对话检查打分，并记录检查选择的依据。
判断各项检查的适用性，满足阈值与限流条件时补充检查任务。
↳ 记录模型、阈值、调用时间与选择原因，便于对照原流程。
tamaratran
fast-jev-compaction
为 Claude Code 删减旧工具调用和结果，保留留下来的原文，不另写摘要。
分别判断工具调用与完整结果是否仍需保留，本地规则执行保留、截短或删除。
↳ 减少摘要改写对路径、命令和报错原文的影响。
ax-llm
ax
Ax 框架提供 TypeSafe 接口，可用布尔或有限类别签名调用 Jev，也可读原生答案。
将支持的签名映射到 Jev 问题，或直接发送原生 System One 请求。
↳ 在 Ax 工作流中复用结构化签名与 Jev 概率结果。
vellum-ai
vellum-assistant
Vellum Assistant 中的可选 Jev provider，可把会话状态与明确的问题交给 TypeSafe。
将状态和问题包发送到 System One，再把结构化答案返回给 Assistant。
↳ 在已有助手中接入选择、概率和评分判断。
lahfir
jev-desktop
把电脑里的按钮和菜单交给 Jev 来选。它读原生无障碍结构，一步步完成桌面操作。
Jev 同时选择动作与目标，并评估置信度和操作风险；本地策略决定是否执行或停止。
↳ 让主 Agent 不必把整棵界面树塞进上下文。
CelestoAI
celesto
Celesto 的 PR 审查示例在沙盒中准备检查，再比较普通模型与 Jev 对候选问题的判断。
检查疑似问题是否由当前变更引入、是否有证据、是否值得修复。
↳ 将执行记录与评估结果放在同一审查界面中。
jarrodwatts
jev-trader
在 Monad 的 Kuru MON-USDC 订单簿上尝试做市，Jev 可按新区块选择买卖方向。
开启 Jev 模式后读取订单簿并选择方向，代码模拟成交或按配置提交 post-only 限价单。
↳ 默认 mock 模型；无私钥时为 dry run，模拟结果不证明可获利。
17 大架构分类导航
查看针对性架构分类落地页与案例模式解析：
SDK 与决策框架
多语言 Jev 核心 SDK、决策原语（Choice / Score / Noul）封装与 Agent 执行框架。
游戏与实时决策
面向低延迟游戏 AI、模拟仿真、高频交互与快速博弈分支的高性能决策集成。
评测与观测
面向 Jev 决策模型与 System-1 架构的离线评测集、延迟监控、追踪与可观测性工具。
浏览器与桌面
浏览器自动化与操作系统 UI 操作：将 DOM / 无障碍树状态转换为有界动作候选供 Jev 选择。
模型路由与降本
在 Agent 流程中以 Jev 充当复杂度路由器，将请求动态分流至不同档位的生成模型以降低 Token 成本。
安全与内容审核
结合二值 Noul 或分类门禁，实时拦截提示词注入、恶意越狱、敏感信息泄露与有害内容。
行业应用
针对金融量化、医疗法律、电商物流等垂直业务流的严谨状态分类与自动化分诊决策。
上下文与记忆
智能裁剪长上下文、淘汰旧工具调用日志与记忆提纯，减少自回归模型输入负担。
MCP 与集成
Model Context Protocol (MCP) 服务器与外部系统连接器，提供可插拔的 Jev 决策工具。
命令行与流水线
Git hooks、CI/CD 门禁、Shell 自动化运维与构建脚本中的确定性决策拦截器。
数据与搜索
搜索意图分类、查询改写路线选择、向量数据库重排前置过滤与数据管道流转。
决策工具
开箱即用的通用决策辅助组件、Schema 校验器、概率解析库与微服务原型。
代码与图谱
AST 语法树导航、代码仓库符号依赖分析、PR 自动审查与图路径寻路决策。
音乐与界面创作
UI 组件动态装配、音乐管线编排、多媒体参数预设选择等创意分支决策。
SDK 与兼容接入
将 Jev 接入主流大模型框架（如 LangChain、LlamaIndex、Semantic Kernel）的适配层。
语音与对话
实时语音对话中的打断检测 (VAD/Turn-taking)、意图确认与低延迟话轮转移控制。
分类与目录
大规模文档分类、层级标签打标与知识库自动化分类索引系统。
关于 Awesome Jev Projects 开源项目雷达（FAQ 常见问题）
什么是 Awesome Jev Projects 开源项目雷达？
Awesome Jev Projects 是一个专门面向 TypeSafe Jev 决策模型与 System-1 Agent 架构的开源代码索引库。它不只罗列项目链接，更直接指出 Jev 在具体仓库源码中的决策位置（如 Choice/Score/Noul 调用处）以及带来的延迟与成本收益。
为什么要把思考留给大模型，把选择题交给 Jev？
在复杂的 AI Agent 循环中，生成式大语言模型（LLM）擅长长文本推理与开放式创作，但在高频分支流转、工具挑选、模型降本路由和敏感安全审核等有界场景下容易产生幻觉且响应慢、成本高。Jev 专精于快速返回带置信度的类型化决策（Choice、Score、Noul），两相结合能大幅降低 Token 消耗并提升工程确定性。
雷达中的项目是如何审校与核验接入依据的？
本站对收录项目坚持「固定版本源码核对（Evidence Reviewed）」，每个项目均附带 GitHub 对应 Commit 的关键源码文件链接（如 Provider 调用、模型配置文件或 Benchmark 说明），确保该开源项目确实包含真实的 Jev 接入实现。
具体的子项目页面为什么采用 noindex 策略？
为了遵循高质量索引与反薄页（Thin Content）SEO 原则，雷达的聚合主页与 17 个分类落地页提供结构化全景导览与索引价值，允许搜索引擎深度收录；而具体的 GitHub 仓库子卡片页主要供开发者临时核验源码与克隆，因此标记 noindex 避免分散全站权重。