Jev SDK 与开发工具
按 API 接入、工作流控制、推理运行时和训练评测筛选工具，比较用途、来源与已查文档中的限制。
20 个独立项目 · 最近整理 · JSON
| 项目与来源 | 用途 | 范围与限制 |
|---|---|---|
| TypeSafe Python SDK | API 接入 | 官方 Python 同步与异步客户端，支持类型化问题和答案。 |
| TypeSafe JavaScript SDK | API 接入 | 官方 JavaScript 客户端，可根据问题推导答案类型。 |
| TypeSafe Agent Skills | API 接入 | 帮助编码 agent 使用 System One API 的官方技能。 |
| TypeSafe Public Examples | API 接入工作流控制 | 官方文档、演示与实践教程配套源代码。 |
| protoc-gen-jev | API 接入 | 从带注释的 Protobuf 定义生成 Go、TypeScript 和 Python 类型化客户端；生成器与运行库需匹配版本，本项目未测试后端行为。 |
| TypeSafe for n8n | 工作流控制 | 由 TypeSafe 维护的 n8n 节点，用于将类型化决策加入工作流。 |
| Abide | 工作流控制 | 用 Jev 按编译后的项目规则检查编辑和轮次，并请求修复；缺少凭据或网络时会放行未检查编辑，回放结果也取决于规则设计。 |
| jev-fabric | 工作流控制 | 原生进程编排，提供有界日志、截止时间与显式类型化决策；命令使用调用者权限，退出状态仍需结果核验，部分策略证明不等于整个运行时已验证。 |
| atoma | 工作流控制 | 结合 Jev 路由的多 agent 规划、执行与证据审查；共享 agent／技能学习可能使文档衍生内容跨组织可读，租户隔离尚未经过独立审计。 |
| JevLang | 工作流控制 | TypeScript／Python 策略层将类型化模型答案与路由、动作分发分开，提供日志与重放说明；可追溯记录不证明输入真实或阈值已校准。 |
| cua-s1.js | 推理运行时 | Cua 表单与下一步动作模型的浏览器移植；输出一致性检查不证明泛化，小型表单模型可能高置信度跳过陌生字段。 |
| jev-omni.js | 推理运行时 | 开发中的 Jev-Omni 文本与图像决策 WebGPU 移植；音视频未完成、模型下载体积较大，一致性结果仅覆盖指定样本与硬件。 |
| mJev | 推理运行时 | 通过 HF/vLLM 路径进行共享上下文候选评分；选项归一化概率不是已校准置信度，所报缓存加速在一个受控视频设置中需要更多显存。 |
| FRIDA-Decisions | 推理运行时 | 面向类型化问题与排序的俄英双语编码器运行库；需注意状态截断、俄语指令后缀，以及边际分数与归一化概率的区别。 |
| Quyet runtime | 推理运行时 | Quyet 决策模型运行库，英越语言覆盖依检查点而异；文档说明最多十个选项及状态截断，尚未确立对抗鲁棒性。 |
| System One Adapter | 训练与评测 | 用相同问题接口比较 LLM，支持概率输出与请求诊断。 |
| circuit | 训练与评测推理运行时 | 面向文本、图像与音频决策的 LoRA、指针头训练、评测和服务工具；发布者测试只覆盖选定任务集，不能证明普遍校准或选项顺序不变性。 |
| SearchJev training pipeline | 训练与评测 | 面向搜索 agent 决策的训练流程，包含软标签与 Brier 损失、可靠性权重及按问题类型拟合温度；文档中的流程与切分控制尚未复现。 |
| OpenThai-SystemOne | 训练与评测推理运行时 | 采用槽位读出的泰英文本决策模型训练与服务流程；文档中的配方不代表校准或接口等价性已获独立验证。 |
| sysone decision-learning library | 训练与评测 | 提供多种文本、图像及蛋白质后端的训练、校准和解释工具；文档中的兼容检查与小实验不代表所有后端和任务已获验证。 |
没有匹配项，请修改搜索或重置筛选。
SDK 用于接入 API；独立模型的运行时和训练代码承担不同任务。条目保留已查文档的范围，不代表本项目执行过这些工具。 核查方法