Awesome Jev / 命令行与流水线
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。
sharziki
SemDecide
基于 Python 的语义判断 CLI，可给文本或 JSONL 管道做判断、分类、打分和过滤。
将输入交给 Jev，按返回概率与本地阈值生成结果及退出码。
↳ 把结构化判断接进 Bash 和 CI，保留明确的输出与失败状态。
markjaquith
TypeSafe AI Playground
Rust 命令行实验集，可筛查医疗隐私信息、检查代码注释、分析语气并分类行业和职业。
把输入文本交给 Jev，返回独立的 Noul 概率、Score 或候选分类。
↳ 提供可直接查看结构化结果的终端实验入口。
tumf
jev-cli
为 Jev 提供 CLI 和 stdio MCP 入口，输入文本或 JSON，输出结构化判断。
向 Jev 提交 noul、choice、score 问题，将结果输出为 JSON 或单个值。
↳ 支持文件和 stdin 输入，可接入 Shell 脚本或 MCP 客户端。
jtsang4
jev-cli
在终端里问 Jev 判断题。输入文本或 JSON，再给出分类、是非或评分问题，拿回脚本能直接读取的 JSON。
针对同一份输入做分类、真假判断和分级评分，返回选项及其概率。
↳ 能接收标准输入，把语义校验接进已有脚本和 CI；支持直连 TypeSafe 或走 Vercel 网关。
rhighs
jev-code
一个实验性编程终端，让 Jev 逐步选择 AST 节点来组成 Python 或 Bash，也能作为命令行判断工具。
从有限的语法与动作选项中选择，由本地程序生成代码或执行工具。
↳ 把编程选择和命令行判断过程显示为可回看的记录。
amberwhitehead
jevscript
把语义判断作为语言原语的早期实验，目前实现的是 Jev 请求批处理验证脚本。
脚本比较单独与合并问题的回答、用量和延迟；完整语言引擎仍是设计目标。
↳ 适合研究请求批处理，不应当作已完成的编译器或解释器。
yonatangross
orchestkit
OrchestKit 可选用 Jev 给编程会话分类，符合阈值时用结果决定会话颜色。
将首条任务提示与分支状态分类为开发、排错等工作类型；本地规则选择采用或回退。
↳ 用工作类型区分会话，同时保留 shadow 对照模式。
Nasrallah-AL
jev-cli
名为 jevctl 的终端工具，把核验、分类与评分问题接到文本输入和脚本里。
把输入与固定答案集合发给 Jev，再按本地阈值输出判断和概率。
↳ 提供可用于管道和 CI 的结构化结果，也支持检查请求和 dry-run。
exYze
rift
Rust 编程终端 Rift 的可选 TypeSafe 决策客户端，给受限判断调用 Jev。
向 System One 提交状态和类型化问题，解析答案供终端工作流使用。
↳ 在生成式编程模型之外接入独立的判断接口。
shiftynick
jev-axi
在命令行调用 Jev 做 pick、rate、check、rank、triage、guard，并可接到 Agent 工具调用前的 hook。
把输入状态和选项转为结构化问题，返回结果或供本地安全策略使用的风险分数。
↳ 在脚本和 Agent 工作流里复用同一套判断命令。
AkashPriyadarshii
jev-superpowers
面向编码智能体的系统化开发流程框架，融合 Jev 进行无幻觉依赖审查、完成度门禁与错误重试决策。
在智能体执行循环的关键检查点，利用 Jev 评估代码变更质量、测试覆盖与第三方包合法性，决定是否推进或回滚。
↳ 将确定性代码流水线与 Jev 快速二元判断结合，防止编码 Agent 在长程任务中产生方向偏离或引入未知包。
mrnugget
jev-shell-history
类似于 Fish 终端样式的 Zsh 历史命令建议工具，利用 Jev 对已有历史记录根据当前上下文进行智能打分排序。
将当前敲入的命令前缀与本地 Zsh 历史候选组装为 Jev 请求，由 Jev 评估最佳补全项，仅做行内建议而不自动执行。
↳ 结合了确定性本地历史的安全性与 Jev 上下文语义理解能力，避免盲目基于字符串前缀匹配造成的低质建议。
Thestral12
pr-sieve
GitHub Action 把 `.jev.yml` 规则编译成 Jev 问题，按数值决定 fail、comment 或 pass。
规则编成最多 12 个问题（`src/types.ts` 的 `MAX_JEV_QUESTIONS`）；`AKIA…` 与私钥装甲由 `src/redact.ts` 命中后，`src/pipeline.ts` 本地失败且不调用 Jev。
↳ 不写审查文、不给补丁、不自动批准；策略读自 base 分支配置。
thruwire
foreman
独立监督环读取编码工人的 diff、日志和测试，用 Jev Noul 判断卡住、跑偏、该验证，再由 Python 策略干预。
`AsyncTypeSafeClient.system_one`，默认 `jev-latest`，对监督问题发 Noul。
↳ 监督不代替工人写代码；与目录里的 `Shifty-Eye-Games/foreman-jev` 不是同一个仓库。
harshpuri84
slopcheck-jev
slopcheck-jev 在终端和自动化脚本中加入文本判断。
对输入文本做分类或打分，交给本地规则继续处理。
↳ 把语义判断接到已有的命令行工作流。
logicrw
ask-jev
面向 AI 编程智能体与 CLI 管道的有界决策与原文提纯工具，硬性 280ms 时限，纯 Python 标准库零依赖，全链路 Fail-Open 优雅降级。
决策说明： 在 ask_decision 与 auto_mark_text 中调用 Jev 的 Choice 与 Noul 原语，执行快速语义裁决与物理行保真提纯。
↳ 把语义判断接到已有的命令行工作流。
lukstei
slop-grader
这是一个基于规则的 CLI 工具，用 Jev 的 Score 做文档级打分、用 Choice 和 Noul 做逐行违规标记，并把结果交给 Agent 去修复文本和 Markdown 文件。
决策说明： 在 `src/providers/jev.ts` 的 `evaluateBatch` 中调用 `@typesafe-ai/sdk` (`client.system_one`)，对文档级别使用 `score` 进行标准维度评分，对行级别使用 `choice` / `noul` 进行细粒度违规检测，并将结构化违规结果输出给下游 AI agent 自动化修复。
↳ 增加一组可记录、可对照的判断信号。
LYchoon
paper-radar-jev
以上指令會保留已存在的本機設定。編輯專案根目錄的 `.env`，將空白值換成自己的 key：
决策说明： 在 src/paper_radar/evaluator.py 的 evaluate_paper() 中，通过 client.system_one(...) 将论文信息和 research profile 发送给 TypeSafe System One，并从返回的 response.nouls[...] 中取得概率结果作为 relevance_score。这个位置就是项目实际进行论文相关性决策的地方。
↳ 把语义判断接到已有的命令行工作流。