awesome-jev

找 Jev 的现成集成和案例，少走弯路

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署搜索知识 🍴 复刻 375 🐛 待处理 3 👀 关注 13

GitHub ↗

GitHub 星标 ★ 2547

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源免费资源列表

项目预览

awesome-jev 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类搜索知识

开发团队yibie

GitHubhttps://github.com/yibie/awesome-jev

定价模式🏷️完全免费

价格说明开源免费资源列表

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

主要语言Python

技术栈/模型awesome,awesome-list,jev,llm

GitHub 星标★ 2547

上线时间2026-09-17 00:00:00

代码更新2026-10-31

仓库体积2.5 MB

本站数据更新2026-11-06

维护状态活跃

收录时间2026-09-22

浏览次数4

项目介绍

awesome-jev 是围绕 TypeSafe AI 的 System One 模型 Jev 整理的资源合集，收集了基于 Jev 构建的公开项目、集成方案和社区讨论。Jev 的定位是「类型化决策」模型，强调让大模型输出结构化、可校验的决策结果，而不是自由文本，从而降低下游系统解析和出错的风险。这个仓库本身不提供代码实现，而是一份导航清单：帮助开发者快速找到别人已经做出来的示例、插件和最佳实践，避免从零摸索。适合想用 LLM 做分类、路由、规则判断等确定性任务，又希望结果可被程序直接消费的团队。核心价值在于把分散的生态信息集中起来，让你知道 Jev 能接哪些框架、有哪些真实落地案例，以及社区在讨论什么坑。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-22 · 当前星标 ★ 2547

技术标签

awesome awesome-list jev llm

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 5 分钟部署方式：本地安装 3 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

可访问 GitHub 的网络环境
已安装 git（用于克隆仓库）
Python 环境（仅当需要按 README 说明重建 README 时用到 scripts/build-readme.py）
对 LLM 分类、路由、评分等确定性决策场景有基本了解

安装与启动步骤

1克隆仓库

README 未提供安装步骤，本仓库只是资源清单。克隆下来即可离线阅读全部条目。
```
git clone https://github.com/yibie/awesome-jev.git
```
2阅读首页条目

README 是各分类文件的聚合首页，最新收录条目直接可见，无需进入子页面。
3进入仓库目录

进入本地目录后，按分类查找条目或查看相关实践与讨论分类。
```
cd awesome-jev
```