并行扇出
把大量问题（包括推测性的）打包进一次请求，再由代码挑出真正用得上的答案。
共有 35 行归在这个模式下，其中 35 行带代码。顺序与目录相同：官方的在前，然后是带代码的，再按星标排。
标有「并非 Jev 本身」或「仅影子运行」的条目照样列出，但它们不是用 Jev 做决策的示例。
-
Cookbook: Parallel questions
对一篇长文提 13 个合规问题，证明全部打包进一次调用便宜得多、也快得多，而答案不变。
-
Pattern: Speculative fan-out
把大量问题（包括可能用不上的）打包进一次请求，之后再由代码决定哪些答案真的用得上。
-
Quickstart
官方第一课：一条工单，一次请求里同时问一个 Choice、一个 Score 和一个 Noul，给了 Python / JS / cURL 三种写法。
-
AutoGPT TypeSafe blocks
七个生产级 block（choice/score/yes-no/ask-many/route/pick-best/filter），带 UTF-8 字节预算、逐字报文留存和十一个测试文件。
-
sub2api: Jev as a moderation endpoint
作为审核 API 的直接替代：一次请求并行问多个 Noul，每个危害类别一个，且每条指令都带反注入前缀。
-
jev-ultrafast
Browser Use 做的高速浏览器 Agent。Jev 每一步只判断「做什么、点哪个元素」，要打字才叫小模型。
-
ai-cookbook: Jev track
一套循序渐进的课程：从第一次调用、逐个原语、state 形状与 criteria，一直到工单分拣和多步工作流，并对应了全部四个官方模式。
-
VideoJev
开源 System One 视频模型，在共享视频前缀上对多个问题的时间候选和多选答案直接打分，返回区间、答案和候选概率，无需生成文本。机翻
-
jev-forge
并非 Jev：一套合成决策数据、训练并校准小型候选打分模型（JevForge-0.8B）、再通过兼容 Jev 的 API 提供服务的工具链，首个场景是在网页上挑选下一次点击或表单控件。其基准脚本把同一批留出的 choice、noul 和 score 问题发给真正的 Jev 作对比。模型撰写机翻
-
jev-chat: a tool-calling chatbot with no LLM
一个完全不含语言模型的 tool calling 聊天机器人：一次请求同时问清请求类型、该调哪个工具、以及每个工具的参数。
-
jev-sift
先分类，再选择性阅读：可移植的批量文本分类插件与 MCP 工具。项目自述机翻
-
pi-typesafe
给 Pi 用的 Jev 决策：批量评估工具、终端 playground，以及给扩展作者的类型化 API。项目自述机翻
-
OneVOneJev
浏览器里的 1v1 FPS。每个决策 tick 都要判断走位、视角、瞄准、开火和跳跃。
-
system-one
面向开源语言模型的批量单 token 选择推理，兼容 TypeSafe 协议。项目自述机翻
-
slop-grader
基于规则的文本评分器：每条规则并行跑过每一行，不跳读、不漏行。项目自述机翻
-
JevGPT: Thinking Fast and Slow in Autonomous Research
论文 arXiv 2610.18272 的研究 Agent。GPT-5.5 规划检索并写出答案；在 BrowseComp-Plus 问答中，对每个被检查的文档区域和每个查询，Jev 回答一个 Choice（在编号的原文行中选出答案所在行）和一个 Noul（该区域是否涉及该查询），在多个文档上并行运行。GPT 拿到的是原文行。机翻
-
duckdb-jev
高吞吐的原生 DuckDB 扩展，支持批量与流式的分类、打分与筛选。项目自述机翻
-
jev-ultralightspeed
对一大堆文本（工单、评论、日志）批量回答同一个问题：把多个条目打包进每次请求，并称吞吐量是逐条请求的 32 倍、成本低 41%。机翻
-
jev-tree
在分类体系上做递归 Jev choice —— 在不突破 255 选项上限的前提下，从更多选项中做选择。项目自述机翻
-
jevswiftsdk
独立、非官方、零依赖的 System One API Swift SDK：choice、noul 和 score 问题都映射为 Swift 类型（比如对枚举的 choice），具名批量问题一次调用作答并逐个校验答案，支持按策略重试和取消。支持 iOS 15+、macOS 12+ 和 Linux。模型撰写机翻
-
sqlite-jev
为 SQLite 提供批量的自然语言判断，由 TypeSafe Jev 驱动。项目自述机翻
-
jackalope
面向编程智能体、并行 Git worktree 与代码审查的桌面工作区。项目自述机翻
-
jev-pr-judge
用 TypeSafe System One（Jev）为拉取请求给出类型化结论：一次并行调用，策略写在代码里，可作为 GitHub Action 使用。项目自述机翻
-
snake-jev
由并行 Jev 判断控制的贪吃蛇，每个游戏 tick 一次 API 调用。项目自述机翻
-
jev-switchboard
给并行编程智能体的 JEV 门控语义通信层。项目自述机翻
-
psearch
给终端与智能体的并行网页搜索，带本地 Chromium 与 Jev 引导的探索。项目自述机翻
-
typesafe-showcase
展示 Jev 的 Next.js 界面：并行 Noul 判断与实时结果。项目自述机翻
-
A deep dive into Jev, TypeSafe's System One model
技术密度最高的独立讲解：JS / Python / AI SDK 三种代码、三种应答结构、进阶模式，还诚实列出了模型的失效场景。
-
Example: speculative fan-out
一次问清操作本身、以及每个可能操作各自的目标 —— 于是浏览器的一步永远不需要第二次往返。
-
Example: three primitives in one request
最小化的第一次调用：同时问一个 choice、一个 score 和一个 noul，并标注了容易踩的那几处不对称。
-
Jev on Cloudflare Workers AI
Workers AI binding 与 REST 示例：一次调用同时问 noul、choice、score，并给出含逐答案置信度的完整响应。
-
jev-fanout-bench
实测：在一次调用里向 TypeSafe Jev 提 N 个问题，state 只计费一次。基于 2,976 次真实请求，附原始数据和精确的计费核对。项目自述机翻
-
jevcrawl
为智能体的问题爬取网站的 MCP 服务器和命令行工具。每个页面发一次 Jev 请求：对每个文本块问一个 `noul`（它是否有助于回答目标问题？），对每个链接问两个（是否直接通向答案页，或通向相关栏目）；最后再用一个 `noul` 判断保留的摘录是否已完整回答问题。模型撰写机翻
-
typesafe-image-diffusion
用通用分类器做扩散风格像素画：256 个并行像素问题。项目自述机翻
-
Using TypeSafe Jev with the AI SDK
Vercel 最完整的实操指南：单问题与多问题调用、按概率阈值路由，以及用 mock evaluation 模型写单元测试。