评测与观测

32 · 请按条目标注的材料依据理解结论；收录不代表独立运行验证。

• jev-review

  NiazMorshed2007 · 评测与观测

  供编码 Agent 使用的本地 MCP 代码质量检查器，返回多个维度的结构化评分。

• jev-benchmarks

  AbdelStark · 评测与观测

  把 Jev 和 GLiNER 放到同一批分类题上，除了答对率，也检查概率靠不靠谱。

• jev-playground

  mizchi · 评测与观测

  MoonBit 与 TypeScript 的 Jev 实验集，覆盖棋类、浏览器、命令风险和小型语言。

• jev-lm

  y0usaf · 评测与观测

  把下一个词当选择题，试着用 Jev 拼出句子；也能让它挑选本地草拟的整段续写。

• jev-chat

  adhyaay-karnwal · 评测与观测

  实验性聊天解码器：让 Jev 反复选择词或短语，由代码把它们拼成回答。

• jev-agent-failure-benchmark

  TokenTrim · 评测与观测

  用 Jev 分析多 Agent 失败记录的评测项目，预测责任 Agent、关键步骤和错误类型。

• ask-jev

  omni- · 评测与观测

  Windows PowerShell 工具，在 Codex 中用 :jev 审视会话里已记录的执行证据。

• jev-rerank-bench

  anessbelbati · 评测与观测

  比较 Jev、专用 reranker 和聊天模型对同一批搜索片段的排序结果。

• jev-demos

  Bud-ro · 评测与观测

  用迷宫测试 Jev 的空间判断，比较单步选择和一次预测多步的表现。

• foreman-jev

  Shifty-Eye-Games · 评测与观测

  给 Codex 工人配一个 Jev 监督员。它评估进展，但完成前还必须跑程序员指定的验收命令。

• latitude-llm

  latitude-dev · 评测与观测

  Latitude 的可选 Jev 预分类器为对话检查打分，并记录检查选择的依据。

• taskuary

  ldbumble · 评测与观测

  Taskuary 的可选 Jev 判断模块，对任务运行状态检查用户定义的条件。

• jev-gomoku

  XieChengYuan · 评测与观测

  弈瞬：同时运行九盘 15×15 五子棋，让两位 Jev 玩家比较不同输入信息，并逐手检查请求与返回。

• jevcal

  abhixhek · 评测与观测

  用自己的标注数据评估 Jev 概率、选择置信度阈值，并检查模型更新后的变化。

• jev-benchmark

  wondertwins · 评测与观测

  通过国际象棋和游戏 NPC 对话对象识别，测试 Jev 的选择与判断边界。

• jev-frontend-qa

  Nainish-Rai · 评测与观测

  用 Jev 选择浏览器操作，再通过 DOM、HTTP 和数据库状态检查前端功能是否符合约定。

• hermes-jev-north-star

  poponline63 · 评测与观测

  Hermes 的目标验收 skill，保存要求、生成运行提示词，并检查证据是否满足要求。

• jev-synergy-screening

  PistachioAIHQ · 评测与观测

  用 Jev 筛选 ADHD 综述的论文标题和摘要，并与 Cohen Abstract Triage 标注比较。

• jev-exploration

  SamuelSacco · 评测与观测

  记录 Jev 能力与限制的研究仓库，包含主张审查、概率校准实验和可运行示例。

• jev-flash-review

  TheBous · 评测与观测

  供编码 Agent 调用的 MCP 代码审查引擎，对提交的 diff 按规则给出结构化判断。

• supercov

  supercorp-ai · 评测与观测

  编程 Agent 的代码质量与覆盖率 CLI：Jev 检查源码属性，本地覆盖率工具帮助选择补测目标。

• jev-pref

  doeixd · 评测与观测

  把 AGENTS.md 中的项目偏好整理为规则，再用 Jev 检查 hunk、暂存文件或 PR。

• typesafe-playground

  kavehmz · 评测与观测

  可交互的 Jev 实验集，展示客服工单分流预览和三维驾驶仿真。

• goodwatch-monorepo

  alp82 · 评测与观测

  GoodWatch 仓库内的影视特征评分实验，比较 Jev 对情绪、情节等特征的不同问法和批量方式。

• jev-calibration-audit

  jujumilk3 · 评测与观测

  通过公开 API 和数据测试 Jev 概率校准、选项措辞影响及韩文判断表现。

• typesafe-ai-benchmark

  iammrduncan · 评测与观测

  在共同的应用任务上对照 Jev 与其他结构化输出模型，记录错误、延迟、Token 与估算成本。

• Canny

  qkal · 评测与观测

  为 Claude Code 与 Codex CLI 记录执行账本，检查改动后是否有通过的验证。

• jev-behavior-study

  RINNECODER · 评测与观测

  针对 Jev 1.13.0 的独立行为研究，记录不同问题表述、输入条件及游戏任务下的成功与失败。

• jev-eval

  4esv · 评测与观测

  在有标签的分类任务上比较 Jev 与 OpenRouter 模型的准确率、校准、时延和成本。

• reticle

  reticlehq · 评测与观测

  面向 AI Coding Agent 的端到端真实感知与应用测试框架，在驱动应用运行时支持以 Jev 作为 Harness Driver 执行非生成式状态判定与断言。

• jev-measured

  WallerChen · 评测与观测 · 基准测试 · 含 Jev 实现 · 实现材料

  实测 Jev 与 12 种决策模型在 12 个场景下的每次决策成本、延迟和准确率基准。

• decision-models-as-guardrails

  raxITlabs · 评测与观测 · 基准测试 · 含 Jev 实现 · 实现材料

  开源基准评测：对比 Jev 1.13/1.14 与 Bedrock 等 19 个系统在 9975 项护栏检查中的表现。