Jev（System One 模型）发布一周，社区涌现 20 个开源项目
Jev（System One 模型）发布一周，社区涌现 20 个开源项目
TypeSafe AI 的 Jev（System One 模型）发布才刚过一周，社区就已经涌现出大量有趣的项目。
它不写文字、不聊天、不生成代码，只做一件事：在毫秒级返回带概率的类型化决策。
正是这种“专为软件决策而生”的特性，让开发者开始把它塞进各种意想不到的地方——浏览器代理、游戏控制、高频交易、代码审查、知识图谱遍历……
本文整理了 20 个值得关注的项目，进行了相应的分类、补充说明，并提炼出它们共同的模式，开源代码链接放置在文章结尾。
一、Jev 为什么适合这些场景？
传统 LLM 适合“生成”，但在高频、低延迟、需要明确分支的场景里成本高、速度慢、输出还要解析。
Jev 的核心循环是：
开发者负责把“当前情况”变成 state，把“可选动作”变成问题；Jev 负责语义判断；代码负责最终决策。
这让它特别适合：动作空间已知、需要语义理解、频率高、延迟敏感的任务。
二、20 个项目分类解读
1. 浏览器与桌面代理（Agent 决策层）
| 项目 | 一句话说明 |
|---|---|
| JEV-Ultrafast | 浏览器代理，Jev 负责选择操作和目标元素，只有需要打字时才调用小 LLM |
| Agent-Desktop | 桌面自动化，用 Jev 做动作决策 |
| Blink | 仓库导航器，帮助快速定位代码位置 |
代表模式：把 DOM / 界面元素编成索引，让 Jev 在有限选项中选择“点哪个、做什么操作”。
速度和成本远低于每一步都让大模型生成 JSON 动作。
2. 上下文与记忆管理
| 项目 | 一句话说明 |
|---|---|
| Fast-JEV-Compaction | 用 Jev 做上下文压缩（决定删哪些内容，而不是重写摘要） |
| Winnow | 上下文垃圾回收，清理无用信息 |
传统 compaction 通常是“让 LLM 重新总结”。这里改成“让 Jev 判断哪些内容可以安全删除”，保留原文，避免信息损失。
3. 路由、分类与审查
| 项目 | 一句话说明 |
|---|---|
| JEV-Codex-Router | 模型路由，决定把请求交给哪个模型 |
| JEV-Review | 代码审查分流（风险分级、是否需要人工） |
| Semdecide | 命令行分类器 |
| Canny | 任务完成验证 |
| KillMyIdea | 创业点子打分 |
这些是最“正统”的 System One 用法：把模糊的语义判断变成可分支的概率决策。
4. 游戏与实时控制（低延迟闭环）
| 项目 | 一句话说明 |
|---|---|
| Typesafe-Mario | 用模拟器 RAM/遥测数据（不是截图）让 Jev 玩超级马里奥 |
| OneVOneJev | 浏览器 FPS，你和 Jev 对战 |
| JEV-Drone | 四旋翼无人机在障碍赛中决策 |
| JSON-Render | 生成式 UI（与决策结合） |
关键洞察：Jev 的 70–500ms 延迟足以进入游戏循环或实时控制。
Typesafe-Mario 尤其有代表性——它把游戏状态转成结构化 JSON，让 Jev 从合法按键组合中选择，而不是看像素。
5. 交易与金融信号
| 项目 | 一句话说明 |
|---|---|
| JEV-Trader | 每个区块做一次买卖决策（高频做市思路） |
| Prism | 流动性信号检测 |
JEV-Trader 把决策窗口卡在区块链出块时间内（约 300ms 量级），模型延迟可低至约 80ms，证明 System One 模型可以进入对延迟极敏感的交易循环。
（注意：交易有风险，这类项目多为演示/研究性质。）
6. 数据与知识处理
| 项目 | 一句话说明 |
|---|---|
| Neo4Jev | 知识图谱遍历，用 Jev 决定走哪条关系 |
| JEV-Curate | 训练数据筛选 |
| Typesafe-MCP / JEV-MCP | 把 Jev 能力暴露给任意客户端（MCP 协议） |
把“下一步该看哪个节点”“这条数据是否值得保留”这类判断交给 Jev，代码负责执行遍历或过滤。
三、这些项目揭示的共同模式
几乎所有成功案例都遵循同一架构：
核心原则：
- 动作空间封闭：Jev 只在你提供的选项里选，不会发明新动作。
- 状态结构化：尽量把原始数据（截图、日志、DOM）转成简洁的 JSON 或文本摘要。
- 概率驱动：不只看最终选项，更看概率分布和置信度，低置信时升级或人工介入。
- 代码拥有控制权：Jev 提供判断，业务逻辑和安全边界仍由代码决定。
四、哪些方向最值得关注？
| 方向 | 为什么有潜力 | 代表项目 |
|---|---|---|
| Agent 决策层 | 把昂贵的“生成动作”变成廉价的“选择动作” | JEV-Ultrafast |
| 实时控制 / 游戏 | 首次让 AI 决策进入 100ms 级循环 | Typesafe-Mario、JEV-Drone |
| 模型路由与 Guardrail | 高频、低成本的前置判断 | JEV-Codex-Router、JEV-Review |
| 上下文治理 | 用删除代替重写，保留信息保真度 | Fast-JEV-Compaction |
| 数据筛选与图谱 | 大规模 map-reduce 式判断 | JEV-Curate、Neo4Jev |
五、写在最后
Jev 发布后短短几天，社区就证明了一件事：
当 AI 不再被迫“说话”，而是直接给出可执行的判断时，它能嵌入的地方远比我们想象的多。
它不会取代大语言模型，但正在成为 LLM 的高效“前置过滤器”和“决策协处理器”。
如果你正在做 Agent、自动化、路由、实时系统或任何需要高频语义判断的产品，这 20 个项目是最好的灵感来源。
选一个，跑起来，然后开始构建你自己的版本。
六、附：20 个开源项目链接
以下是原帖提到的 20 个开源项目 的 GitHub 链接（已尽量核对准确）：
1. 浏览器与代理类
- JEV-Ultrafast（浏览器代理）
https://github.com/browser-use/jev-ultrafast - Agent-Desktop（桌面自动化）
https://github.com/lahfir/agent-desktop
（或搜索agent-desktop jev） - Blink（仓库导航器）
https://github.com/ellipsis-dev/blink
2. 上下文管理
- Fast-JEV-Compaction（上下文压缩）
https://github.com/tamaratran/fast-jev-compaction - Winnow（上下文垃圾回收）
https://github.com/GhalebDweikat/winnow
3. 路由与审查
- JEV-Codex-Router（模型路由）
https://github.com/0xNatoshi/jev-codex-router - JEV-Review（代码审查分流）
https://github.com/devagrawal09/jev-review - Semdecide（CLI 分类器）
https://github.com/sharziki/semdecide - Canny（完成验证）
https://github.com/qkal/Canny - KillMyIdea（创业点子打分）
https://github.com/monteduro/killmyidea
4. 游戏与实时控制
- Typesafe-Mario（玩超级马里奥）
https://github.com/fhshaik/typesafe-mario - OneVOneJev（浏览器 FPS）
https://github.com/emrickgarrett/OneVOneJev - JEV-Drone（无人机控制）
https://github.com/RomanSlack/jev-drone - JSON-Render（生成式 UI，含实验性 Jev 支持）
https://github.com/vercel-labs/json-render
5. 交易与金融
- JEV-Trader（高频做市）
https://github.com/jarrodwatts/jev-trader - Prism（流动性信号检测）
https://github.com/irfndi/prism-liquidity-agent
6. 数据与工具
- Neo4Jev（知识图谱遍历）
https://github.com/jexp/neo4jev - JEV-Curate（训练数据筛选）
https://github.com/AkashPriyadarshii/jev-curate - Typesafe-MCP（让任意客户端使用 Jev）
https://github.com/itsmostafa/typesafe-mcp - JEV-MCP（判断工具包）
https://github.com/jkudish/jev-mcp
说明：
- 交易、无人机相关项目请谨慎使用，注意风险提示。
- 如果某个链接失效，可以在 GitHub 搜索项目名 +
jev找到最新地址。
Jev 项目仍在快速迭代，使用前请查看对应仓库的最新说明与风险提示。Keep learning :)