Jev + Claude ワークフロー
Claudeの推論とJevの速度を1つのコーディングパイプラインに統合し、プロンプトから計画、実行までのシームレスな流れを実現。従来のAIコーディングエージェントが遅く高コストに見えると述べています。
THE JEV GUIDE · CURATED EDITION
TypeSafe Jevに関する発表、解説、デモ、コミュニティ事例をトピック別に整理しています。各項目からXの元投稿を確認できます。
キュレーション選定 · 全件ではありません · 手動更新
Sponsors
これらの製品がこのディレクトリを支援しています。 あなたの製品も載せませんか?
Claudeの推論とJevの速度を1つのコーディングパイプラインに統合し、プロンプトから計画、実行までのシームレスな流れを実現。従来のAIコーディングエージェントが遅く高コストに見えると述べています。
Jonathan Ellisが、Jevを使ってトップk候補を分類するANNベースの重複排除実験を共有。結果:コードは約1万行削減され、近重複による30件の微妙なバグを修正。ただし安くも速くもなく、API価格で約166ドル、207M Opusトークンと約8B Lunaサブエージェントトークン(mjolnir経由)を消費。
Tesslは自社プロダクションコードで約2,725件のverifierチェックを実行:GPT Luna 6は436秒、Jevはわずか32秒でコストも2.7倍低減。両モデルの判定は85.9%一致。方法とコマンドは公開されています。 Link
この記事では、TypeSafeのJevモデルのプログラミングタスクにおける潜在的役割を探り、AIコーディングエージェントとしての能力と応用方向を分析します。 Link
モジュールの契約と構造化された返り値について議論し、自由テキストは解釈を強いること、Jevのようなツールは役立つが、重要なのは自身のフローでも構造化スキーマを要求することだと述べています。
One card in the feed, every sixteen, on every page of it. $50 a week, cancel any week.
著者は、Jev を使って翻訳が必要な HTML DOM 要素を判断し、表示中の領域だけを処理し、リクエストをまとめて送信し、スクロール時に逐次読み込むことで、トークンを節約しつつスムーズな翻訳を実現した方法を共有しています。
Jev を Claude Opus 5.5 や Sonnet 5.5 と組み合わせ、1つのリポジトリの47チケットで3回の比較実験を実施。Jev を加えたフローが極めて低コストで大量の開発作業を処理できることを示しています。
最良のコーディングモデルにワークフローのスケジューリングを兼任させるべきではなく、リポジトリ・要件・既存コード例をバックエンドに渡し、高価なライティングモデルにコード生成させることがJEVの主要なユースケースだと論じています。
15,000件のGitHub IssueをJevでチェック(再現手順、明確な失敗、範囲の限定、コードを読む必要があるか)し、最終的に360件をClaude Sonnet 5.5に渡したという事例。
著者は、Jevの約2週間後にOpenAI、Cloudflare、AWSも同様のアイデアを発表したと述べています。1セント未満で約50件の質問を送り、待機リスト期間中はオープンソースモデルをローカルで実行しました。リンク先の記事では、意思決定モデルを8つのDevOpsタスクに試す方法を紹介しています。テーマはContextLayer、AnyAgentSameContext、AgenticAIです。 Link
著者は最近の Jev の話題が他のものに取って代わられたと述べつつ、Agentic Software Factory での試用のまとめを紹介。規制をチェックするセンサーを追加したことなどに言及。
dotpalsはJevを統合し、AIエージェントが全テスト合格と主張した際に実際の出力を検証し、92%の信頼度で失敗を指摘。毎回のテスト実行に独立したチェックを追加します。
Star the project on GitHub to support continued updates and curation.