模型路由
选择由哪个下游模型或档位处理请求。
共有 49 行归在这个模式下，其中 48 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: Structured data extraction cascade
「小模型 → 校验 → 推理模型」的两段级联，用一小部分成本拿到接近大推理模型的质量。
-
Pattern: Intent routing
对进来的请求做分类，路由到足够用的最便宜那个处理方：确定性代码、专用 LLM、或人。
-
claude-code-templates: three Jev plugins
三个可独立安装的 Claude Code 插件 —— 护栏、模型路由、技能推荐 —— 各自带 hook 和测试。
-
@langchain/typesafe
LangChain 集成的 JavaScript 对应版本，分类器与 middleware 形状一致。
-
hermes-jev-skills
九个 agent 技能加一个 CLI，覆盖模型路由、记忆过滤、对话轮保留、多选一技能选择和下一步动作决策。
-
jev-review
代码审查前先过一遍 Jev，把高风险改动挑出来，再交给更贵的大模型或人。带本地看板。
-
jevrouter
面向模型、工具和子智能体的路由器。
-
Astra-Ares
运行一个打过补丁的 Codex CLI：Jev 读取有限的任务上下文，用两个 choice 选出 GPT-6 下一次回复的推理力度，以及这个力度持续几次回复（1、2、5 或 10）；GPT-6 改变推理力度不会破坏提示缓存。属于实验性的参考实现。模型撰写机翻
-
jev-codex-router
先让 Jev 判断这一轮编程任务有多难，再决定模型档位、推理深度和速度模式。
-
jev-eval-agent
一个把评测工作通过类型化决策来路由的智能体。
-
jev-kit
一套 Claude Code 工具包：PreToolUse 守卫先用免费的代码预筛放行约 93% 的工具调用，其余交给 Jev 判断（放行、警告、改写或拦截，出错时默认放行）；还能为子 Agent 选择合适的规格，并把 Jev 接入文件搜索、浏览和代码审阅。作者报告浏览器任务 9/9 成功，Claude 花费仅 0.0008 美元。模型撰写机翻
-
stuntd
本地代理：学习应用里带类型的 LLM 决策，并用一个 Laya 头来回答。兼容 Jev 与 OpenAI 接口。项目自述机翻
-
Jevstiller
放在重复性 Jev 分类调用前面的代理：起初全部转发给 Jev，用 Jev 自己的答案和概率训练一个本地小模型，等它在留出流量上与 Jev 足够一致后改为本地作答。作者报告 Banking77 上有 61.7% 的消息由本地回答，与 Jev 的一致率为 99.4%。模型撰写机翻
-
jev-use
一个智能体插件：把不需要文本输出的步骤交给 Jev，而不是主模型。
-
jevonian
位于编码智能体与各模型提供方之间的本地端点：把每一轮路由到性价比最高且能胜任的模型，管理配额与缓存，并把每次路由决策记入本地账本。机翻
-
a3m-router
自适应的多模型 LLM 路由器——覆盖 80 多个提供方，用 Jev System One 单次完成路由决策。项目自述机翻
-
pi-jev-router
通过 Vercel AI Gateway 为 Pi 做自动模型路由。项目自述机翻
-
jev-opus
让 Claude Code 在 Opus 5.5 上运行，并由 Jev 在每次收到提示和每批工具调用之后重新选择推理强度（测试失败时调高，通过后调回），以逐条消息的强度声明发送，从而保住提示缓存。可作为本地网关或无界面驱动器使用。模型撰写机翻
-
jev-router
开源 LLM 路由器，在 LiteLLM 之上用 Jev 选模型。项目自述机翻
-
pi-jev-router
为 pi 打造的极简帕累托最优 OpenRouter 模型路由器，基于 Jev。项目自述机翻
-
jev-engineering
Claude Code 的 PreToolUse 门禁：先用正则硬规则和只读白名单，再用一个 Noul 和一个 Choice 判定放行、询问或拒绝，明确安全的命令无需权限确认。附 Codex、Cursor、OpenCode 适配和 review-router GitHub Action。机翻
-
jev-router
LLM 路由器：用 TypeSafe Jev 做快速分类，而不是再调一次 LLM，为每个查询挑出能胜任的最便宜模型。项目自述机翻
-
pi-jev
由 Jev 驱动的 Pi 扩展套件：选择性上下文压缩与模型路由。项目自述机翻
-
slo-router
感知 SLO 的 LLM 推理路由器：由 Jev 做决策，结合实时队列指标、反事实评估与可复现的延迟测试。项目自述机翻
-
Codex Jev Router
使用 Jev 的 Choice 和 Noul 判断简短任务摘要，为 Codex 子代理选择模型与推理档位；不确定时回退到 Sol。机翻
-
jev-auto-router
实验性的逐次调用 GPT 模型路由，通过 Jev 与一个本地 Rescue 层为 Codex 服务。项目旧自述机翻
-
jev-codex-bridge
为 Codex 桌面版与 CLI 做模型和推理力度路由，附带 Windows 服务与经过验证的更新。项目旧自述机翻
-
dsh-plugin-jev-effort-selector
DeepSeek Harness (DSH) 推理等级自动选择插件：由 Jev System One 模型判断每条消息值多少思考量，按模型声明的等级自动推导档位，上下文信封让「继续」这类追问继承话题深度，低置信度向上取，任何失败都静默沿用原等级。 | Jev-driven reasoning effort per message: per-model ladders derived from what each model advertises, a fixed-size context envelope so follow-ups inherit topic depth…
-
jev-model-router
为 Claude Code 打造的模型路由器，基于 Jev。项目自述机翻
-
jev-codex-pilot
带 JEV 模型路由、上下文优化与看板自动化的 Codex 覆盖层。机翻
-
jev-smart-router
JEV Smart Router：一个 Databricks 应用，用 TypeSafe JEV 选择由哪个模型回答每条消息，再执行推理。项目自述机翻
-
jev-gate
不是每个编程任务都需要你最好的模型：实验性的 Jev 模型路由。项目自述机翻
-
jev-harness-router
面向智能体框架的逐轮路由器：一次约 350 毫秒的 Jev 调用选出模型档位、推理力度、工具与技能，并有硬性兜底。项目自述机翻
-
smart-switch
用前沿 AI 重新想象的 macOS 窗口切换器，由 Jev 做预测。项目自述机翻
-
tiershift
模型路由器：每个请求都从最便宜的档位开始，只有当 Jev 给出的信号（多步推理、难度、风险高低、安全）越过 YAML 策略时才往上升。在作者的 120 条提示上，它以低 40% 的成本达到旗舰模型的质量；而单用快速模型也得到同样的分数，成本只有 3%。模型撰写机翻
-
janus
先在你自己的数据上衡量何时该用 Jev、何时该用别的模型，再据此路由。项目自述机翻
-
jev-model-router
运行在 Vercel AI Gateway 上的 Jev（TypeSafe）模型路由器。项目自述机翻
-
jev-model-router
约 1 秒内为任意任务选出最合适的 AI 模型与推理力度。适用于 Claude Code、Claude Desktop 与 Codex 的插件。项目自述机翻
-
jev-synthetic-survey
把 Jev 与 GPT-4.1 当作合成问卷受访者做对比 —— 怎么问比用哪个模型更重要。项目自述机翻
-
XavierJev
Jev 形状的本地决策层：是非、选择和量表问题都从本地模型单个 token 的 logprob 读出答案；附带一个在留出命令集上测量过的 Claude Code 权限闸门。机翻
-
hermes-jev-router
实验性 Hermes 插件：带预算与能力约束的 Jev 辅助模型路由方案。项目自述机翻
-
Jev Switch
一个轻量的 Jev 协议网关：对外提供 POST /v1/systemone，并按可编辑的路由图把每次调用转发到上游（TypeSafe、Vercel、OpenRouter、Laya 或本地服务），支持优先级和故障切换。Rust 守护进程，附带 React 控制台、Tauri 桌面应用和 Docker 镜像。文档以中文为主。模型撰写机翻
-
stuntdouble
一个即插即用的 /v1/systemone 代理：应用照常调用 Jev，本地决策模型在影子里回答同样的请求，再报告它们是否会做出同样的决策 —— 按问题、按置信区间、按应用自己的 decide() 分别统计，并给出 Brier、ECE、延迟与成本。回答“能不能换成本地模型”这个问题。
-
switchboard
基于 TypeSafe Jev（System One 模型）的 LLM 网关护栏与模型路由器，附带独立的准确率与校准评估。项目自述机翻
-
Building a Harness with Jev
LangChain 的讲解兼集成实操：三种问题类型，加上模型路由、以及在高风险工具调用执行前拦截它。
-
Jev AI Use Cases
逐个用例走一遍 —— 智能体路由、智能体内部的决策层、工单分拣 —— 每个都给出具体的选项集和示例响应。
-
langchain-typesafe
LangChain 集成：一个分类器，外加用于模型路由、以及在高风险工具调用执行前拦截它的实验性 middleware。
-
pi-typesafe-router
一个 Pi 扩展：让 Jev 为每个请求分类并路由到合适的模型；在你配置好映射之前默认关闭。机翻
-
Jev router: how model routing works, and 16 routers compared
讲解用 Jev 在花钱之前判断下一轮该用哪个模型、工具或 skill 的路由器，说明先降级再升级为什么可能比不路由更贵，并对比了 16 个面向 Claude Code、Codex 和 OpenRouter 的路由器。机翻