最后更新： · 由 Agent Skills Hub 收录 · 每 8 小时同步一次
42 条规则都没有命中：没有凭证窃取，没有数据外泄，没有 curl | sh 式安装。按慢雾（SlowMist）agent 安全分类法建立的 42 条公开规则扫描，每 8 小时更新一次。
质量分综合九项启发式检查：完整度、清晰度、具体程度、示例、结构、对 agent 的友好度、分步内容、指令质量和安全提示。它衡量的是项目把自己讲清楚的程度，不是代码质量。
| Star 数 | 90 |
| Fork 数 | 24 |
| 语言 | HTML |
| 分类 | Agent 工具 |
| 许可证 | CC0-1.0 |
| 质量分 | 60/100 |
| 最后更新 | 2026-11-07 |
| 创建时间 | 2026-09-18 |
| 估计 Token 数 | ~28k |
Awesome Jev ZH Jev 不生成文本。 第一次看到这句话时我以为是个缺陷，后来才发现这正是它的设计核心。 它的用法是：给它一段 state（一封邮件、一行日志、一个工单），再给它几个带类型的问题，它在 70–500ms 内一次性答完——从你给的选项里选一个、在你给的量表上打一个分、或者给出一个 0 到 1 的概率，每个答案都附带一个置信度。输入 $0.042 / MTok，输出不计费。 它的边界也很清楚：要写文案、要总结文章、要解释判断理由，LLM 仍然是更合适的工具。这一条后面还会出现好几次。 那它解决了什么？整理这份列表的过程中，我越来越确信一件事：我们今天写的很多 LLM 调用，本质上只是在做选择题。 拼 prompt、逐 token 生成、剥掉 markdown 代码块、、校验 schema、失败了再重试——绕这么大一圈，只为了拿回...
想找 awesome-jev-zh 的替代品？在 Agent Skills Hub 收录的 Agent 工具里，下面 6 个项目和它最接近，按话题重合度、星数和社区热度排序。
A curated list of Jev use cases, projects, SDKs, and resources. Jev is TypeSafe AI's System One model for fast
A community directory of projects built on Jev, TypeSafe AI's System One model.
🔥🔥 Papers, open reproductions and independent evaluations behind System One models and Jev.
A curated list of official resources and community projects for TypeSafe, System One models, and Jev.
Awesome Jev — evidence-graded index of TypeSafe System One: SDKs, MCP tools, agents, apps and open models. 20
Typed decisions with TypeSafe's Jev, the first System One model
其他热门的 Agent 工具：
评级来自基于 SlowMist agent 安全分类法的规则扫描：42 条公开规则，覆盖凭证窃取、数据外泄、curl | sh 安装等。它是第一层扫描，不是人工审计 — 我们如实说明，不夸大。
问题规模有独立研究佐证：Liu et al. (2026) 对 31,132 个 agent skill 的研究发现，26.1% 含有安全漏洞。我们自己的全目录普查已作为可引用的开放数据集发布。
信源与负责人：