探讨Jev模型的后门植入可能性
作者阅读了Jev/KEV家族决策模型的论文，尝试验证是否能在这些模型中植入后门，如同普通LLM一样。 链接
THE JEV GUIDE · CURATED EDITION
网络安全.
TypeSafe Jev 的发布、原理、演示与社区实践，按主题整理。每条内容都可回到 X 原帖核对。
人工精选 · 非全量收录 · 手动更新
5419条已收录内容
2789条原帖视频
Sponsors
这些产品赞助了本目录。 把你的产品放上来
Jev模型实测：诈骗邮件标题识别
用Jev（jev-1.13.0）、Clef和Clef-flash仅凭邮件标题进行诈骗识别实测，输入60个诈骗标题和79个官方站点标题。直接询问不适合，改为询问特征后合计，AUC达0.90-0.93，但仍有15-25%漏检。真实邮件未验证。
Jev-IDS：基于System One模型的网络入侵检测
Jev-IDS 使用 TypeSafe 的 System One 模型进行 NIDS，无需大量标注数据或昂贵 LLM，每次请求处理一条流量并询问两个问题（攻击类型与类别），成本比 Gemini 3.6 Flash 低 22 倍。 链接
Jev 通过聊天记录识别 AI 智能体共谋
Aditya Rao 在 AI Swarm Dynamics 黑客马拉松中，使用 TypeSafe AI 的 Jev 读取 AI 智能体的聊天记录，以 85% 的准确率指出秘密共谋者，避免依赖读取思维。
Jev/Eikos拦截智能体非合法链上交易
第三笔x402check.xyz交易，Jev/Eikos在智能体执行交易时实时分类链上活动，若未通过门控则不签署交易。 链接
信息流里每 16 张、每一页都有一张。每周 $50，任意一周可停。
Jev 高效识别钓鱼邮件
在200封邮件中，关键词过滤器仅捕获9封真实钓鱼邮件，而Jev捕获181封，每封耗时262毫秒。Jev也误报了9封正常邮件（过滤器误报1封），其中多数是看起来很像诈骗的真实退款。作者表示将检查这9封退款，以阻止另外172封钓鱼邮件。
LinkGuard：悬停即检测链接安全，Jev秒判诈骗
LinkGuard是一款免费的Chrome扩展，无需账户。将指针悬停在任意链接上，它会跟随重定向、检查公开威胁列表，并由Jev在大约0.2秒内判定为安全、需检查或诈骗。
Jev模型在钓鱼邮件检测中的表现
davepoon用200封2025年真实钓鱼邮件测试Jev，结果显示Jev捕获181封（旧关键词过滤器仅9封），每封耗时262毫秒；同时Jev误报9封正常邮件（旧过滤器误报1封）。
Cloudflare Clef：Jev-API 兼容的开源决策模型
Cloudflare 发布开源决策模型 Clef（27B/Flash 9B），支持 64k 上下文、视觉能力，Apache 2.0 许可，兼容 Jev-API，已在 Workers AI 上线。实测延迟远低于 Jev，威胁情报域名分类速度约为 gpt-oss-120b 的 2 倍。
用 Jev 构建邮件钓鱼实时雷达
开发者展示如何结合 Sonnet 5.5 和 TypeSafe 的 Jev 决策模型，在邮件营销平台上实时检测钓鱼邮件，每个点代表一封邮件，Jev 在邮件进入收件箱前进行拦截判断（演示数据）。
Jev Guard：基于Jev模型的开源AI Agent安全层
开发者构建了开源安全层Jev Guard，使用TypeSafe的Jev（System One）模型，约100万次安全检查的模型成本仅42美元，可保护用户消息、RAG文档、MCP等。
用Jev自动阻止iMessage垃圾邮件和钓鱼
该帖子介绍使用TypeSafe AI的Jev或OpenRouter密钥，在iMessage中自动阻止垃圾邮件和钓鱼信息，并强调开源，建议为年长父母安装。
