#jev 仓库
探索 40 个标记为 #jev 的活跃开源 GitHub 仓库,它们累计获得 115,834 个 Star(平均每个项目 2,895 个)。该主题的领先项目是 NandhaKishorM/laya,拥有 35,758 个 Star。
共 40 个仓库
非自回归式 System 1 决策引擎。一次前向传递即可对任意文本进行类型化选择、评分和是/否决策,支持 100 多种语言,并配备可为每个请求选择正确检查点的路由器。
使用 PEFT 或全参数训练,对 600 多个 LLM(Qwen3.8、DeepSeek-V4、GLM-5.1、InternLM3、Llama4 等)和 300 多个 MLLM(Qwen3-VL、Qwen3-Omni、InternVL3.5、Ovis2.5、GLM5.3、Gemma4、LLaVA、Phi4 等)进行 CPT/SFT/DPO/GRPO(AAAI 2025)。
面向 AI 智能体、可跨框架使用并能自我改进的记忆层。加入我们的社区:https://discord.com/invite/zdNChS2fBu
由 GPT、Gemini、Claude、Grok、Ollama、DeepSeek、Perplexity 等提供支持的桌面 AI 助手——聊天、智能体、工具、MCP、插件、RAG、视觉、语音、图像和视频生成、语音合成与语音识别、网页搜索、记忆、预设、画布、助手、主题、电脑操控。支持 Windows、Linux 和 Mac。
兼容 Jev 的开放决策模型 API 服务器。面向决策模型的 Ollama:可在本地拉取并运行 29 个模型系列(Laya、pplx-decider、Clef、Winnow、coba……),也可通过 /v1/systemone 自托管。TypeSafe SDK 无需任何改动即可使用:设置基础 URL 并选择一个开放模型。提供 CLI、桌面应用、Docker、MCP 服务器和公开基准测试。
开放式多模态决策模型,参数规模从 0.8B 到 27B,支持文本、图像和视频。对自选候选项进行概率判断,并用边界框定位,而非生成文本。提供免费 API、ONNX、GGUF、vLLM 和 SGLang;附带微调代码。
JevChat-Windows:聊天窗口旁挂的回复辅助。窗口截图 + 本地离线 OCR 读取对方消息 → Jev 判断意图 → 3 条候选回复一键填入,发送永远手动。
Awesome Jev:一份有来源支持的 TypeSafe System One 模型实战指南,包含 SDK、在线演示、智能体工具和独立评测。
mu(μ):编码代理做出的决策,大多数都与代码无关。mu 将 40 类是非判断交给一个小模型:减少浪费的 token,减少自动放行的审批,减少半途停止的运行。基于 pi 构建。
在 Jev 上发布你构建的内容。Jev 是 TypeSafe AI 的 System One 决策模型:一个每周更新的展示板,供创作者发布、用户投票;同时提供按决策模式分类的公开 Jev 示例索引,附来源引用、注明日期的链接检查和调用点文本检查;此处未对运行时和性能进行独立测试。英文/中文、JSON Schema、平台矩阵。
一款纯 Rust 构建的 LLM、VLM、VLA、TTS 和 OCR 推理引擎,由 Candle 和 Rust 驱动。它是 llama.cpp 的替代方案,更简单、更简洁。
常见问题解答
GitHub 上最受欢迎的 #jev 仓库是什么?
GitHub 上排名第一的开源 #jev 项目是 NandhaKishorM/laya,拥有 35,758 个 Star。非自回归式 System 1 决策引擎。一次前向传递即可对任意文本进行类型化选择、评分和是/否决策,支持 100 多种语言,并配备可为每个请求选择正确检查点的路由器。
#jev 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #jev 项目中,最常见的编程语言是 Python, TypeScript, Rust, Go。
#jev 仓库的排名是如何计算的?
我们跟踪了 40 个标记为 #jev 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 115,834 个 Star,平均每个仓库拥有 2,895 个 Star。排名每日根据 GitHub API 更新。