Jev + Claude 组合工作流
作者将Claude的推理能力与Jev的速度整合到同一个编码流程中，实现从提示到计划再到执行的无缝衔接，并认为这一组合让传统AI编码代理显得缓慢且昂贵。
THE JEV GUIDE · CURATED EDITION
软件开发.
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
用Jev进行ANN去重实验：质量提升但成本高昂
Jonathan Ellis分享其基于ANN（近似最近邻）的去重实验，使用Jev对top-k候选进行分类。结果：代码减少约1万行，修复30个由近重复代码引起的微妙bug；但成本不低，API定价约$166，消耗207M Opus tokens和近8B Luna子代理tokens（经mjolnir）。
Jev 模型在代码库检查中大幅优于 GPT Luna 6
Tessl 在自家生产代码上运行约 2,725 项 verifier 检查：GPT Luna 6 耗时 436 秒，Jev 仅 32 秒，且成本低 2.7 倍。两个模型在 85.9% 的决策上一致，方法和命令已公开。 链接
Jev 能帮助编程吗？关于 TypeSafe AI 编程智能体的探讨
本文探讨 TypeSafe 的 Jev 模型在编程任务中的潜在作用，并分析其作为 AI 编程智能体的能力与应用方向。 链接
合同化模块与结构化返回
作者讨论模块合同与返回值的结构化，指出自由文本会造成解释模糊，Jev等工具虽有用，但更重要的是在自己的流程中要求结构化模式。
信息流里每 16 张、每一页都有一张。每周 $50，任意一周可停。
用 Jev 优化翻译插件：按需 DOM 识别与合并请求
作者分享为个人翻译插件引入 Jev 进行 DOM 翻译判断的实践，只处理可见区域，合并请求批量翻译，滚动时按需加载，并结合 evot 模型以节省 token。
Jev 驱动的开发工作流：70 小时高级开发工作量仅花费 $5.01
作者将 Jev 与 Claude Opus 5.5、Sonnet 5.5 组合，在同一仓库的 47 个工单上进行了三轮对比实验，结果显示 Jev 参与的流程能以极低成本完成大量开发工作。
JEV用例：让编码模型专注写代码，而非调度
帖子指出，不应让最强的编码模型同时负责工作流调度，而是将仓库、需求和现有代码示例交给后端流程，由昂贵的写作模型生成代码，这是JEV的一个关键用例。
用Jev筛选15,000个GitHub issues后交给Claude处理
用户将15,000个GitHub issues通过Jev检查（复现步骤、明确失败、范围受限、是否需要阅读代码），最终筛选出360个交给Claude Sonnet 5.5处理。
Jev 上下文层引发跟进，DevOps 决策模型实践分享
作者表示 Jev 提出同一思路约两周后，OpenAI、Cloudflare、AWS 也发布了类似方案；他体验了不到 1 美分发送约 50 个问题，并在等待名单期间在本地运行开源模型。文内链接介绍了决策模型在 8 个 DevOps 任务上的用法，相关主题是 ContextLayer、AnyAgentSameContext 与 AgenticAI。 链接
Jev 在 Agentic Software Factory 中的试用总结
作者提到 Jev 最近的话题被其他内容抢占，但整理了在 Agentic Software Factory 中试用 Jev 的摘要，包括添加传感器来检查法规等。
Jev为AI代理测试提供二次判断
dotpals集成Jev，在AI代理声称所有测试通过时，对实际输出进行验证，并以92%的置信度标记失败，为每次测试运行增加无法伪造的独立检查。
