Casos de uso
do Jev
O Jev é o modelo da TypeSafe AI que devolve decisões tipadas em vez de texto: escolha entre opções, nota numa escala ou sim e não, sempre com probabilidade e confiança. Aqui estão os 100 usos reais mais vistos no X, reescritos em português, pra você ver o que já dá pra construir com ele.
Atualizado em 23 de setembro de 2026
100 casos
- Agentes
Compactação instantânea de contexto avaliando cada tool call
Projeto que compacta o contexto de um agent sem pedir a um LLM que resuma o histórico. Em vez disso, o Jev avalia cada tool call já executada, mede o quanto ela ainda importa para a tarefa e descarta o que ficou irrelevante. A compactação passa a ser quase instantânea e deixa de reescrever informação útil.
@tamarajtran 3,7 mi
- Uso de computador
Browser agent que busca voos em segundos
Browser agent open source que combina Browser Use com o Jev para buscar voos. A cada passo, o Jev lê o estado do DOM e escolhe a próxima ação entre as disponíveis naquele momento; um LLM pequeno só entra quando é preciso digitar texto. A busca completa levou 7 segundos e custou US$ 0,0039.
@gregpr07 3 mi
- Agentes
Harness de agent com o Jev nas etapas de julgamento
Artigo que mostra como montar o harness de um agent em ciclo: o LLM decide o próximo passo, a ferramenta executa, um modelo avalia o resultado e o loop continua até a tarefa terminar. O Jev ocupa as etapas de julgamento rápido, como avaliar se o passo deu certo, sem gerar texto.
@sydneyrunkle 1,9 mi
- Criativo e tempo real
Jogo de defesa em que o Jev controla os mísseis inimigos
Jogo que inverte a lógica do Flappy Bird: o jogador move uma barreira, o guardrail, para proteger a cidade, enquanto os mísseis que atacam são controlados pelo Jev. O modelo toma as decisões do adversário em tempo real, mostrando que julgamentos estruturados rápidos cabem dentro do loop de um jogo.
@rchan0687587257 1,6 mi
- Criativo e tempo real
Bot de trading que decide compra ou venda a cada bloco
Bot de trading open source em que o Jev lê o feed de preços de um par de ativos e decide entre comprar ou vender. As ordens são enviadas de verdade a um order book on-chain a cada bloco de 300 ms. O projeto mostra o Jev tomando decisões com prazo apertado dentro de um sistema em execução.
@jarrodwatts 1,2 mi
- Uso de computador
Filtro de qualidade de feed em tempo real a partir do DOM
Filtro que avalia em tempo real a qualidade do conteúdo de um feed usando sinais lidos direto do DOM da página. Com o Jev, cada item pode ser classificado, escondido ou usado para decidir a navegação, sem depender de regras fixas. É um exemplo de julgamento aplicado a conteúdo enquanto o usuário rola a tela.
@RBilgil 734,1 mil
- Busca e dados
Newsjacking: quais manchetes do dia cada marca deve aproveitar
Projeto open source que usa o Jev para newsjacking: ele leu 384 manchetes da manhã e indicou a 15 marcas quais notícias valia a pena aproveitar. Levou 24,9 segundos e custou US$ 0,19. No mesmo feed, o Claude Opus analisou só 4 das 384 manchetes, a um custo de US$ 0,77.
@elvissun 638 mil
- Criativo e tempo real
Geração de fases de jogo em tempo real com saída estruturada
Experimento que usa o Jev para montar fases de jogo em tempo real. Em vez de gerar texto livre, o modelo devolve decisões estruturadas que o jogo transforma em layout de fase. A proposta é mostrar que saída estruturada mais rápida e barata pode abrir espaço para conteúdo procedural em desenvolvimento de jogos.
@HugoDuprez 536,7 mil
- Segurança e revisão
Jev como juiz na avaliação de agents, comparado a LLMs
Estudo publicado que compara o Jev com LLMs usados como juízes na avaliação de agents. A comparação mede acurácia, repetibilidade, latência e custo, e discute se modelos System One conseguem substituir o padrão LLM-as-judge em pipelines de eval. É uma referência para quem avalia agents em escala.
@LangChain 478,4 mil
- Busca e dados
Extensão Postgres que filtra linhas em linguagem natural
Extensão para PostgreSQL que cria a função jev(), usada na cláusula WHERE para filtrar linhas com critérios em linguagem natural, como quem poderia trabalhar de casa. Não exige índice nem embeddings. No teste, 129 linhas foram julgadas em cerca de 1 segundo por US$ 0,0009, e a segunda execução, vinda do cache, levou 6 ms.
@iam_zachi 456 mil
- Segurança e revisão
Revisor de segurança para comandos de shell de um agent
Uso do Jev como revisor de segurança que analisa cada comando de shell antes da execução em uma ferramenta de agent com modo automático. Em comparação com o revisor baseado em GPT Luna, o Jev foi até 18 vezes mais rápido no p95 e mais preciso, e pode se tornar o padrão da ferramenta.
@rauchg 425,5 mil
- Uso de computador
Launcher preditivo que entende a intenção a cada tecla
Launcher de arquivos em que o Jev interpreta a intenção do usuário enquanto ele digita. Ao escrever algo como o PDF que acabei de baixar, o PDF mais recente já aparece no topo da lista. Cada tecla gera um ranking com nível de confiança, em cerca de 100 ms.
@dabit3 423,1 mil
- Uso de computador
Uso de computador no desktop com ações delimitadas
Integração que transforma o que um driver de desktop enxerga na tela em uma lista delimitada de IDs de ação, e deixa o Jev escolher qual executar. Em uma execução, a tarefa levou 44,9 segundos e cerca de US$ 0,001, contra 294,9 segundos e cerca de US$ 1,45 de outra solução. Os autores ressaltam que foi uma execução só.
@trycua 408 mil
- Uso de computador
Controle do navegador por voz com decisões em 300 ms
Projeto que controla o navegador por voz em tempo real. A fala é transcrita, o texto vai para o Jev, que devolve probabilidades para as ações possíveis em cerca de 300 ms, e o navegador executa o clique. Cada decisão custa US$ 0,0002, o que torna viável reagir a cada comando falado.
@moritzkremb 344,5 mil
- Busca e dados
Agents de auditoria SEO e GEO com custo bem menor
Agents que auditam e corrigem SEO e GEO usando o Jev nas etapas de leitura e análise, como dados do Search Console, varredura de citações e análise de lacunas. Com leituras cerca de 30 vezes mais rápidas nessas checagens, o custo desses agents caiu por volta de 90%.
@irabukht 323 mil
- Agentes
Roteamento de decisão entre prompt e execução de um agent
Configuração de agent em loop em que o prompt vai para um assistente, o Jev toma a decisão sobre o que fazer e o assistente executa. A ideia é manter o agent rápido e barato, deixando a escolha com um modelo de julgamento. A chave de API fica guardada em um campo seguro.
@0xCodila 318,1 mil
- Busca e dados
Pontuação de relevância entre currículo e vaga em escala
Benchmark feito em uma plataforma de vagas com 2,5 milhões de usuários ativos por mês, pontuando a relevância entre currículo e descrição da vaga. Comparado a rótulos humanos, o Jev teve correlação de Spearman de 0,79 a US$ 0,02, contra 0,72 a US$ 0,29 do Gemini 3.1-Flash-lite.
@h_nilforoshan 289,6 mil
- Busca e dados
Classificação de 500 e-mails em segundos
Classificador de e-mails em lote que usa o Jev para categorizar mensagens sem gerar texto. Em um teste, 500 e-mails foram classificados em poucos segundos, com custo total de 3,5 centavos de dólar. O exemplo mostra como triagem de caixa de entrada vira uma tarefa barata quando cada mensagem recebe só um rótulo.
@rileybrown 288,1 mil
- Uso de computador
Tutorial: navegador por voz, memória e previsão no YouTube
Tutorial completo que constrói três aplicações com o Jev, da configuração da API até a demonstração: um navegador controlado por voz, um sistema de memória em que a IA decide o que guardar e um preditor para vídeos do YouTube. É um ponto de partida prático para quem quer começar a usar o modelo.
@moritzkremb 249,7 mil
- Segurança e revisão
Code review que só chama o LLM quando o diff é suspeito
Fluxo de code review que pontua o diff bruto do git com o Jev e só aciona um LLM quando algo é sinalizado. Nos dados de revisão da equipe, não houve falsos positivos, e o processo ficou cerca de 50 vezes mais rápido e 100 vezes mais barato que um ensemble de LLMs, que ainda pegou mais bugs.
@liorshkiller 243,1 mil
- Busca e dados
Classificador que estima o potencial viral de um post
Classificador que estima a viralidade de posts respondendo 61 perguntas sobre cada texto em cerca de 1 segundo, por US$ 0,0004. Foi ajustado com 9.481 posts de 207 criadores e acerta o post viral em 2 de cada 3 vezes. Só o texto entra na análise, e a ideia é reescrever até a nota parar de subir.
@robj3d3 235,2 mil
- Uso de computador
Benchmark WebMCP: Jev escolhe a tool e outro modelo preenche
Benchmark de automação web em que o Jev escolhe qual tool WebMCP chamar e um LLM rápido gera os argumentos. A dupla resolveu 100% das tarefas com custo de modelo cerca de 112 vezes menor que uma alternativa com computer use e execução de código. Sem WebMCP, a configuração resolvia 25 de 49 tarefas.
@0xidanlevin 233 mil
- Uso de computador
Bloqueador de anúncios que julga cada elemento da página
Extensão de navegador que avalia os nós do DOM e decide se cada um é anúncio ou não, removendo o que for lixo enquanto a página carrega. Em vez de depender só de seletores e listas que quebram com facilidade, o bloqueio passa a se basear em um julgamento sobre o conteúdo do elemento.
@iam_zachi 204 mil
- Segurança e revisão
Resultados do JevBench em uma comparação apertada
Publicação que divulga um gráfico com resultados do JevBench, em que o Jev aparece na liderança de uma comparação apertada com outros modelos. O post não detalha a metodologia do benchmark, então o resultado serve como indício, não como prova. É útil para acompanhar como o modelo vem sendo comparado pela comunidade.
@airesearch12 197,6 mil
- Agentes
Roteador de modelos para o Claude Code
Modificação para o Claude Code que usa o Jev, pela API direta ou por um gateway de IA, para classificar cada pedido e decidir qual subagent ou modelo principal deve atendê-lo. O roteamento acontece sem geração de texto, o que mantém a decisão rápida e barata antes de acionar o modelo escolhido.
@dani_avila7 178,6 mil
- Busca e dados
Classificação em massa de anúncios de concorrentes
Este projeto analisa a biblioteca de anúncios de um concorrente e classifica cada peça pela etapa da jornada do cliente e pelo estilo criativo. Com o Jev fazendo a triagem, quase dois mil anúncios foram rotulados em segundos e por centavos, e o resultado ainda alimentou uma análise aprofundada da conta.
@mightyking 169,4 mil
- Criativo e tempo real
Agent de Minecraft em tempo real com decisões rápidas
Este projeto coloca dois modelos para jogar Minecraft em tempo real dentro de um sistema de agents. O Jev cuida das decisões imediatas, como reagir a vários zumbis ao mesmo tempo, enquanto um modelo generativo maior fica responsável pelo planejamento de mais longo prazo. A divisão separa reflexo de estratégia.
@wuyang_zhou 155,6 mil
- Busca e dados
Buscador open source que entende perguntas em linguagem natural
Este projeto é um buscador gratuito e de código aberto em que a pessoa escreve a pergunta em linguagem comum. O Jev decide em qual fonte vale procurar e depois ordena os resultados por relevância, combinado com uma API de busca externa. Não há etapa de geração de texto no meio.
@fatwang2ai 151,6 mil
- Agentes
Avaliação crítica de compactação de contexto em agents
Este caso é uma avaliação pública de compactação de contexto feita com o Jev. A conclusão foi que a compactação muitas vezes se resumia a remover tool calls do histórico, algo que uma regra simples faria de graça, e que o processo podia entrar num ciclo vicioso, com cada vez menos tool calls a cada rodada.
@Teknium 143,8 mil
- Agentes
Roteamento de tarefas para agents em produção
Este projeto substitui o modelo que um orquestrador usa para enviar cada tarefa ao agent mais adequado. Com o Jev fazendo esse roteamento em produção, a qualidade das escolhas se manteve no nível do modelo anterior, com resposta em cerca de 200 ms e custo e tempo bem menores.
@kunchenguid 140,8 mil
- Busca e dados
Mascaramento de dados pessoais por conteúdo no Postgres
Este projeto aplica mascaramento de dados pessoais em mensagens de suporte guardadas no Postgres, usando o Jev para entender o conteúdo. Em vez de ocultar a coluna inteira, ele identifica só os trechos realmente sensíveis, preservando o resto da mensagem legível para análise e atendimento.
@rishi_raj_jain_ 126,2 mil
- Criativo e tempo real
Juiz de sinais de trading em modo experimental
Este projeto é uma demonstração em que o Jev lê dezenas de sinais de trading já estruturados e apresenta uma decisão a partir deles. O autor deixa claro que o sistema ainda é experimental e que nenhuma operação real foi executada. A ideia é mostrar o modelo consolidando muitos indicadores num único julgamento.
@_trou3 121 mil
- Agentes
Roteador HTTP por significado para o framework Hono
Este projeto é um roteador para o framework web Hono que direciona requisições HTTP pelo significado do conteúdo, e não apenas pelo método e pelo caminho. Distribuído como pacote npm e com um playground público, ele usa o Jev para decidir qual handler deve atender cada pedido.
@yusukebe 119,4 mil
- Busca e dados
Análise de sentimento no X para decidir comprar, vender ou manter
Este projeto coleta posts recentes do X sobre um ativo, como Bitcoin, e usa o Jev para transformar o sentimento geral numa decisão entre comprar, vender ou manter. No teste do autor, o sistema leu algumas centenas de posts e retornou uma recomendação de compra com um nível sugerido de stop loss.
@brainstormity 118,2 mil
- Agentes
Roteador que escolhe o LLM certo para cada pedido
Este projeto usa o Jev para avaliar qual modelo de linguagem atende melhor cada pedido e, em seguida, encaminha a chamada para o modelo escolhido. Não há um modelo generativo intermediário conversando para decidir: a escolha sai como uma resposta tipada que o código aplica diretamente.
@ephraimduncan 113,2 mil
- Agentes
Roteador de modelos em produção com limiar de confiança por custo
Este projeto usa o Jev antes da geração para escolher o caminho de modelo mais adequado, considerando o prompt, o tipo de carga e um patamar de qualidade. Quanto mais cara a tarefa, mais alta a confiança exigida para aceitar a escolha, num catálogo com mais de mil modelos.
@corentAI 109,2 mil
- Agentes
Compactação de contexto dando nota a cada tool call
Este projeto compacta o contexto de agents dando uma nota a cada tool call do histórico e descartando o que não agrega, em vez de pedir a um modelo que resuma a conversa. Um plugin para Claude citado em uma compilação reduziu uma sessão de um milhão de tokens para 86 mil em um segundo.
@mvanhorn 104,9 mil
- Busca e dados
Triagem de incidentes com julgamentos rápidos
Este projeto é uma demonstração voltada a desenvolvedores que usa o Jev para triar incidentes. A proposta é cobrir pequenos julgamentos do fluxo de triagem, como classificar e priorizar ocorrências, que antes exigiam uma chamada completa a um modelo de linguagem generativo, com resposta estruturada que o sistema consome direto.
@Box 101,9 mil
- Busca e dados
Classificador de complexidade para código escrito por agents
Este projeto avalia se o código produzido por agents de programação está complexo demais para o que precisa fazer. O Jev funciona como uma checagem rápida, no estilo System One, sobre a bagunça que modelos de linguagem costumam deixar para trás, sinalizando trechos com excesso de abstração ou estrutura.
@ryanvogel 97,8 mil
- Criativo e tempo real
Fundo de investimento com IA: da estratégia ao backtest
Este projeto conecta o Jev a um sistema de fundo de investimento com IA para transformar uma estratégia descrita em texto numa lista de ativos e, depois, num backtest. Com o Jev nas decisões de trading, cada rodada leva segundos, e o autor relata ganho grande de velocidade e custo.
@virattt 88,3 mil
- Uso de computador
Filtro de conteúdo para o feed do X por regra em linguagem natural
Este projeto é uma extensão de navegador que esconde ou recolhe posts do X com base numa regra escrita em linguagem natural pelo próprio usuário. O Jev julga cada post enquanto a pessoa rola a tela, rápido o bastante para passar despercebido e barato o bastante para rodar em todo o feed.
@marcelpociot 83,5 mil
- Uso de computador
Extensão que detecta e pula patrocínios em vídeos do YouTube
Este projeto é uma extensão open source para Chrome que escuta o áudio de vídeos do YouTube, identifica os trechos de patrocínio e pula esses segmentos durante a reprodução. Funciona no modelo em que o usuário traz a própria chave de API, com custo de fração de centavo por vídeo.
@tdinh_me 80,6 mil
- Uso de computador
Jev com Mercury resolve 100% de benchmark WebMCP a custo menor
Este projeto combina o Jev com o modelo Mercury 2.5 usando WebMCP, em que o site expõe ferramentas estruturadas ao agent. Nessa configuração, o conjunto resolveu todas as tarefas de um benchmark por um custo de modelo muito menor que um modelo grande operando por uso de computador.
@hackgoofer 71,4 mil
- Busca e dados
Pareamento de autopeças entre catálogos de fornecedores
Este projeto decide se dois anúncios de fornecedores diferentes se referem à mesma autopeça, mesmo com SKUs e descrições distintos. Num teste com dezenas de milhares de itens, o Jev foi comparado a um modelo generativo e entregou custo e tempo muito menores, com boa taxa de concordância entre os dois.
@marcoporracin 69,6 mil
- Uso de computador
Controle de navegador com árvore de acessibilidade e Jev
Este projeto controla um navegador remoto enviando ao Jev a árvore de acessibilidade da página como estado e as ações possíveis como perguntas. O Jev escolhe a próxima ação, a ferramenta de automação executa, e o ciclo se repete até concluir a tarefa, em velocidade quase instantânea e custo mínimo.
@kylejeong 66,4 mil
- Agentes
Supervisor open source para agents de programação
Este projeto é um supervisor open source para uma fábrica de software em que agents de programação fazem o trabalho. Construído com o Jev, ele acompanha continuamente progresso, completude, testes, desvio do objetivo e verificação de cada tarefa, e intervém quando algo sai do rumo.
@JoshARosen 63,7 mil
- Criativo e tempo real
Jogo em tempo real em que o modelo só precisa não ser atingido
Este projeto é um pequeno jogo em tempo real em que o Jev controla o jogador com um único objetivo: não ser atingido. Foi criado para sentir na prática a diferença entre um modelo de decisão, que responde rápido com escolhas estruturadas, e um modelo de chat, que gera texto e demora mais.
@abolbuild 61,3 mil
- Uso de computador
Agent de navegador guiado pelo Jev no Jogo da Wikipédia
Este projeto usa automação de navegador do LangChain guiada pelo Jev, que decide os próximos passos do agent. Ele foi bem no Jogo da Wikipédia, em que é preciso chegar a um artigo-alvo seguindo links, e em tarefas do dia a dia na web, como encontrar passagens aéreas baratas.
@ndrezn 60,4 mil
- Agentes
Ajuste dinâmico do esforço de raciocínio durante tarefas no Codex
Este projeto usa o Jev para aumentar ou reduzir o nível de esforço de raciocínio de um modelo grande dentro do Codex enquanto a tarefa acontece. Quando o agent está travado, o esforço sobe; em passos rotineiros, desce. Nos testes, o custo caiu pela metade sem quebrar o cache de prompt.
@miu21590 56,9 mil
- Uso de computador
Reflexos de robô em simulação com System One e System Two
Este projeto monta um cérebro de robô em duas camadas numa simulação PyBullet. Um modelo generativo escreve o plano de alto nível para empilhar cubos, e o Jev atua como camada de reflexo, avaliando os estados da simulação muito rápido para reagir enquanto o plano é executado.
@Jadfyd 55,4 mil
- Agentes
Revisor de código que tria diffs do Git em etapas
Um fluxo de revisão de código que usa o Jev para examinar diffs do Git e decidir o que merece atenção. Quando surge um sinal forte, o fluxo aprofunda a análise com novos julgamentos encadeados, em vez de revisar tudo por igual. Os achados aparecem num painel local simples, pronto para quem vai revisar.
@devagrawal09 51,5 mil
- Busca e dados
Triagem de documentos da SEC e critérios de ensaio clínico
Um teste do Jev em dois trabalhos reais de produção: classificar comunicados 8-K de empresas de biotecnologia e checar fatos de elegibilidade em ensaios clínicos. O modelo empatou com o sistema atual num conjunto curado, errou mais em volume real e pegou boa parte dos erros plantados, acabando mantido como filtro de primeira passagem.
@RegenbaumShaun 49,5 mil
- Uso de computador
Biblioteca de fluxos de interface coletados ao vivo
Uma ferramenta no estilo Mobbin que coleta, sob demanda, fluxos de produto atualizados para qualquer busca, usando automação de navegador. O Jev toma as decisões dentro do loop de navegação com rapidez suficiente para que a coleta aconteça ao vivo, em vez de depender de um acervo estático capturado previamente.
@omarjpeg 48,7 mil
- Agentes
Simulação de gestão de aeroporto construída com agente
Uma simulação de gestão do aeroporto JFK, em Nova York, montada em menos de uma hora dentro do Agent Zero com o Jev. O modelo toma as decisões operacionais do jogo, mostrando que dá para prototipar rapidamente um simulador com muitas escolhas pequenas sem escrever lógica de regras para cada situação.
@alessandro_a0 47,2 mil
- Segurança e revisão
Moderação em tempo real para Discord com escalonamento
Um bot de moderação para Discord que avalia mensagens em tempo real com o Jev, substituindo filtros de regex por decisões calibradas. As ações seguem um escalonamento progressivo em quatro estágios e cada decisão fica registrada em dois logs de auditoria, o que facilita revisar e contestar punições depois.
@brainstormity 44,2 mil
- Criativo e tempo real
Assistente de voz ambiente sem palavra de ativação
Um assistente de voz sempre ligado que dispensa palavra de ativação. O Jev avalia, em tempo real, se uma fala se dirige à IA ou a outra pessoa, considerando o contexto da conversa, a continuidade do assunto e se um agente teria como ajudar. A proposta é uma interação mais natural que comandos tipo Siri.
@ashutoshpuro97 42,2 mil
- Agentes
SDK JavaScript minimalista para perguntas tipadas
Um SDK JavaScript pequeno criado para simplificar o uso da API da TypeSafe AI. A ideia é reduzir a chamada ao essencial: o desenvolvedor faz a pergunta e recebe a resposta já tipada, sem montar manualmente o payload nem tratar o formato de retorno. Serve como ponto de partida para integrar o Jev em projetos JS.
@_pi0_ 37,4 mil
- Segurança e revisão
Triagem de alertas em resposta a incidentes e threat hunting
Uma exploração do uso do Jev em fluxos de segurança, como resposta a incidentes e caça a ameaças. As aplicações incluem ordenar resultados de busca, dar nota a hosts, classificar atividade ruidosa e marcar falsos positivos. O autor deixa claro que ainda não há nada disso em produção.
@Kostastsale 33,9 mil
- Busca e dados
Embeddings como pré-filtro antes da classificação com Jev
Uma recomendação de arquitetura: em bases grandes, usar embeddings para reduzir os candidatos e só depois aplicar o Jev na classificação. O argumento é de custo, já que embeddings continuam mais baratos por etapa comparável e seguem sendo a ferramenta principal quando o volume de dados é alto.
@totovoto 33,1 mil
- Agentes
Teclado com inteligência ambiente explorando GenUI
Um experimento de teclado com inteligência ambiente, feito para explorar as bordas da interface gerativa. A premissa é que modelos rápidos e confiáveis permitem experiências mais sutis, em que a IA age de forma discreta enquanto a pessoa digita, em vez de exigir um chat ou um comando explícito.
@zahlekhan 32,9 mil
- Busca e dados
Repositório com quatro exemplos para aprender o Jev
Um repositório didático com quatro exemplos que mostram o que é o Jev, como funcionam suas primitivas e como aplicá-las na prática. A proposta é aprender construindo: clonar o projeto, abrir um agente de código como Claude Code ou Codex e pedir que crie um novo exemplo a partir da base existente.
@dani_avila7 32,4 mil
- Agentes
Recuperação de memória de agente mais rápida e econômica
Um sistema de memória próprio para agentes foi ajustado com o Jev na etapa de recuperação, decidindo quais lembranças são relevantes para o momento. Num teste rápido, o autor relatou queda grande no consumo de tokens e recuperação mais veloz, e vê no resultado espaço para outras aplicações.
@moritzkremb 32,4 mil
- Agentes
Classificador de perguntas para rotear workflows no Dify
O Jev passou a estar disponível no nó Question Classifier do Dify, plataforma de construção de workflows com IA. Nesse nó, o modelo recebe a entrada do usuário e escolhe para qual ramo do fluxo ela deve seguir, usando um modelo feito para decisões estruturadas em vez de um LLM generativo.
@dify_ai 31,1 mil
- Agentes
Nota para sessões de agentes de código que viram skills
O Beacon coleta o histórico de agentes de código em ferramentas como Claude Code, Codex, Cursor e OpenCode, entre mais de 20 ambientes, e usa o Jev para pontuar quais sessões valem virar aprendizado. Os critérios incluem evidência, potencial de reuso e correções humanas; as lições aprovadas viram skills compartilhadas.
@_avichawla 29 mil
- Criativo e tempo real
Simulador de cidade que reage a leis inventadas
Um jogo em que a pessoa digita uma lei, e a cidade simulada reage. O Claude inventa as reações possíveis e dirige as cenas, enquanto o Jev decide como cada um dos 40 cidadãos responde. A simulação encena essas escolhas e publica o resultado como a manchete do jornal do dia seguinte.
@threepointone 28,7 mil
- Agentes
Roteador de OCR que decide página por página
Uma demonstração para desenvolvedores de um roteador de OCR que analisa documentos página por página e decide o tratamento de cada uma. São julgamentos pequenos que antes exigiam uma chamada a um LLM completo e que agora podem ser feitos por um modelo de decisão estruturada, mais leve.
@MisbahSy 26,2 mil
- Busca e dados
Crawler de vagas que encontra carreiras e pontua por perfil
Um crawler de vagas reconstruído com o Jev: parte da página inicial de uma empresa, encontra a seção de carreiras e avalia cada vaga em relação ao perfil do usuário. Comparado à versão com LLM, o tempo caiu de minutos para segundos no teste do autor. O projeto virou a skill jev-job-hunter.
@hqmank 25 mil
- Busca e dados
Decisões tipadas em pipelines de engenharia de dados
Um relato sobre como o Jev pode mudar a engenharia de dados, escrito depois de um fim de semana de experimentos. A ideia central é inserir decisões tipadas em pipelines e fluxos de data warehouse, trocando regras manuais ou chamadas a LLMs generativos por julgamentos estruturados sobre os dados que passam pelo fluxo.
@JulianLaneve 25 mil
- Criativo e tempo real
Controle em tempo real de enxame de drones em simulação
Uma simulação em que o Jev controla em tempo real um enxame de 15 drones autônomos atravessando um campo de asteroides. Cada drone recebe decisões de navegação rápidas o bastante para desviar dos obstáculos, e o teste terminou com todos os drones chegando ao destino.
@MKhordoo 23,3 mil
- Busca e dados
Linter de políticas RLS do Supabase com Jev
Um linter para políticas de Row Level Security do Supabase que usa o Jev como portão tipado dentro do fluxo de trabalho. Em vez de gerar explicações em texto, o modelo escolhe, pontua ou filtra as políticas analisadas, entregando um veredito estruturado que pode barrar ou liberar a próxima etapa.
@softwarecuddler 23 mil
- Uso de computador
Extensão do Chrome para agentes que navegam na aba
Uma extensão do Chrome em que o Jev conduz loops de navegação, clique e interação dentro da própria aba do usuário, acessado via Vercel AI Gateway. A proposta é oferecer decisões rápidas e baratas para agentes que atuam no navegador, onde cada passo exige escolher a próxima ação.
@razaanstha 22,7 mil
- Criativo e tempo real
Assistente que só aparece quando o usuário trava
Uma versão em tempo real do Clippy que observa, em silêncio, como a pessoa usa o produto e só aparece quando percebe dificuldade, como hesitação, confusão ou bloqueio. O Jev decide quando o assistente deve acordar e também controla as reações que ele exibe na tela.
@sotak 21,8 mil
- Agentes
Servidor MCP que verifica, filtra e ordena para agentes
Uma prova de conceito de servidor MCP que leva o Jev para dentro de ambientes de agentes. Ele oferece três funções: verificar se uma afirmação se sustenta nas evidências, examinar conteúdo antes que entre no contexto do agente e ordenar candidatos por significado.
@jkudish 20 mil
- Criativo e tempo real
Braço robótico que decide a próxima ação para pegar bola
Um loop de agente em que um braço robótico precisa pegar uma bola, com o Jev funcionando como uma espécie de córtex pré-motor. Em vez de gerar um raciocínio longo em texto a cada passo, o modelo apenas escolhe a próxima ação, mantendo o ciclo de controle curto.
@DaniiarAbdiev 18,6 mil
- Segurança e revisão
Classificador de abuso de API a custo muito baixo
Um classificador de chamadas de API que usa o Jev para separar uso legítimo de uso abusivo dentro do DeepAPI. No benchmark usado pelo autor, o modelo deixou passar todas as chamadas legítimas e sinalizou todas as abusivas, com custo total muito baixo para o conjunto avaliado.
@DavidOndrej1 17,2 mil
- Agentes
Detecção de drift contínua em harness de agents
Projeto que usa o Jev para detectar drift em harnesses de agents, verificando o tempo todo se o agent continua alinhado ao objetivo original. A tese é que esse monitoramento contínuo, e não o roteamento de modelos ou a checagem de tools, é o melhor uso do modelo, porque ele é rápido e barato o bastante para rodar sem parar.
@JoshARosen 17 mil
- Uso de computador
Agent de navegador open-source guiado pelo Jev
Agent de navegador open-source que usa o Jev para decidir cada ação durante tarefas na web. O projeto aposta em decisões tipadas no lugar de um LLM tradicional conversando a cada passo, e o autor relata que o resultado supera esse tipo de LLM na maioria das tarefas de browser testadas, com custo e latência menores.
@jkudish 15,1 mil
- Agentes
Jev + Treg: três workflows de automação com economia mensal
Combinação do Jev com o Treg que roda três workflows de negócio: detecção de fraude e triagem de cadastros no site, priorização de sinais de compra e monitoramento de conteúdo viral. O autor diz que o conjunto economiza cerca de 8 mil dólares por mês e compartilhou o fluxo de automação e o repositório open-source.
@jasonzhou1993 15 mil
- Agentes
Filtro de arquivos antes do coding agent
Projeto que coloca o Jev antes do Claude para filtrar os arquivos candidatos que um coding agent vai ler. O modelo generativo passa a receber só o que é relevante, o que reduziu arquivos, tokens e custo sem perder nenhum arquivo importante. A tese do autor é que usar LLM generativo para roteamento é um erro.
@LxKus 14,6 mil
- Busca e dados
Pontuação de cada cena em anúncios de vídeo da Meta
Ferramenta de pesquisa de anúncios que usa o Jev para dar nota a cada cena de qualquer anúncio em vídeo da Meta. Rodando sobre Maxfusion e TypeSafe, ela analisa um anúncio em cerca de 1,5 segundo, o que permitiu ao autor processar mais de 450 anúncios em menos de 3 minutos para comparar criativos.
@vladdubchak_x 13,6 mil
- Uso de computador
Adoção em shadow mode em 69 pontos de decisão
Estratégia de adoção que mapeou 69 pontos de decisão de um sistema e colocou o Jev em shadow mode ao lado de cada um. As respostas do Jev são comparadas com as regras e os LLMs que já estão em produção, e só os pontos onde ele vence são promovidos, sempre atrás de uma feature flag.
@yonyoniz 12,8 mil
- Agentes
Roteador de inferência de LLM orientado a SLO
Camada de decisão tipada que usa o Jev para escolher o LLM ideal para cada requisição. A escolha considera a qualidade prevista da resposta, a latência, o custo e a carga atual de cada backend, de modo que o roteamento respeite os níveis de serviço definidos sem mandar tudo para o modelo mais caro.
@zeeshan_utd 12,8 mil
- Agentes
Serviço Effect para decisões do Jev
Serviço simples em Effect, a biblioteca de TypeScript, que encapsula o Jev para stacks de agents construídas nesse ecossistema. As decisões tipadas entram direto nos pipelines Effect, sem um LLM intermediário gerando texto que depois precisa ser interpretado, o que deixa o fluxo mais previsível e fácil de compor.
@danieljvdm 12,7 mil
- Segurança e revisão
Qual questão tem mais chance de cair na prova
Projeto que deu ao Jev 80 questões reais de provas anteriores e 297 questões de treino para estimar quais das questões de prática têm mais chance de aparecer no exame. A análise completa levou 80 segundos e custou cerca de 0,0256 dólar, o que torna viável repetir o processo para cada nova lista de estudo.
@hametgholizadeh 12,2 mil
- Criativo e tempo real
Laboratório de tokens Solana com releitura contínua
Aplicação em que o usuário cola o contrato de um token Solana e recebe um gráfico ao vivo enquanto o Jev relê o token a cada 5 segundos. A cada leitura, ele avalia sinais como chamadas de compra, preço de curto prazo, controle por compradores e risco de despejo, atualizando o painel continuamente.
@Cryptonaire19 11,8 mil
- Busca e dados
Playground de classificação ao vivo com o Jev
Playground interativo em que o usuário altera as entradas e vê as classificações do Jev mudarem em tempo real. Funciona como uma caixa de areia para experimentar roteamento com modelos System One sem precisar montar um harness de agent, ajudando a entender como o state e as opções influenciam o resultado.
@rory_builds 11,3 mil
- Uso de computador
Teste de estresse de agent de navegador com o Jev
Teste de estresse de um agent de navegador em que o Jev toma um grande volume de decisões pequenas ao longo da navegação. A proposta é mostrar que o agent consegue operar quase sem gastar tokens com conversa, porque cada escolha é um julgamento estruturado e não um texto gerado por um modelo generativo.
@SSHCodes 10,9 mil
- Criativo e tempo real
Classificação de ações em alta ou baixa para 30 dias
Aplicativo que reúne dados de mercado, sinais, risco e documentos regulatórios de qualquer ação via Valyu e pede ao Jev para classificar os próximos 30 dias como alta ou baixa. O app está no ar e não usa nenhum LLM generativo no loop, apenas decisões tipadas sobre os dados coletados.
@unicodeveloper 8,4 mil
- Uso de computador
Assistente de computador por voz com Whisper e Jev
Assistente de computador por voz que usa o Whisper rodando localmente para transcrever tudo o que o usuário fala e o Jev para classificar qual ação tomar. Um pequeno app em Swift envia a árvore de acessibilidade da tela, informando o que está visível e clicável, para que o Jev decida onde agir.
@marckohlbrugge 7,4 mil
- Criativo e tempo real
Jogo de corrida guiado por distância semântica
Jogo de corrida de digitação em que o jogador escreve uma frase e o carro avança conforme a distância semântica entre o texto digitado e o alvo. Quanto mais próximo o significado, mais o carro anda, transformando o sentido da frase no acelerador da corrida em vez da velocidade de digitação.
@marcelpociot 7,2 mil
- Uso de computador
Agent que faz triagem da timeline do X com 12 sinais por post
Agent que percorre a timeline do X e usa o Jev para checar 12 sinais em cada post enquanto rola a tela. Com base nesses sinais, ele decide se mantém, responde, pula ou silencia cada publicação, em cerca de 300 milissegundos por post, e foi testado em um volume grande a custo muito baixo.
@RoundtableSpace 6,6 mil
- Agentes
Roteamento de prompts entre LLMs em produção
Aplicação profissional que integrou o Jev para decidir qual LLM atende cada prompt. Classificando os prompts em tempo real, o roteamento ficou muito mais barato e mais rápido do que a abordagem anterior de classificação, com tempo médio de cerca de 140 milissegundos por decisão, o que mantém a experiência fluida para o usuário.
@StarchildOnX 5,7 mil
- Agentes
Formulário que escolhe a próxima pergunta dinamicamente
Formulário construído com json-render e Jev que escolhe o próximo campo a partir das respostas já dadas pelo usuário. Em vez de árvores de condições se/então frágeis, difíceis de manter, o fluxo se adapta a cada resposta, mostrando apenas as perguntas que fazem sentido para aquele caso específico.
@tamirspiritt 5,5 mil
- Agentes
Loop de agent com GrokBot executando e Jev decidindo
Loop de agent em que o prompt vai para o GrokBot, o Jev decide o que precisa ser executado e o GrokBot realiza a ação no computador. Separar a decisão da execução reduz chamadas desperdiçadas, porque o executor só entra em ação quando há de fato algo a fazer naquele momento.
@w1nklerr 5,5 mil
- Segurança e revisão
Guardrail contra prompt injection em decisões do Jev
Dica de segurança para quem usa o Jev com entrada não confiável: adicionar às decisões uma pergunta do tipo Noul que verifica se o texto do evento tenta influenciar a própria classificação. Assim, a mesma chamada que classifica o conteúdo também sinaliza tentativas de manipulação embutidas nele, sem custo de uma etapa separada.
@obie 5,3 mil
- Uso de computador
Extensão para ajustar o nível de detalhe da saída do agent
Extensão para o pi que usa o Jev e um novo renderizador de markdown para permitir que o usuário escolha quanto detalhe quer na saída do agent. A motivação foi a dificuldade do autor em entender o que um modelo avançado estava tentando dizer em respostas longas demais e pouco objetivas.
@tedkalaw 4,8 mil
- Busca e dados
Checagem se um site está pronto para lançar
Ferramenta open-source em que o Jev analisa um site e dá rapidamente um veredito sobre se ele está pronto para ser publicado ou se ainda precisa de ajustes. O autor a criou para ter uma opinião de terceiro sobre projetos feitos com vibe coding, depois de construir outras duas demos com o modelo.
@raihankhan_rk 4,8 mil
- Criativo e tempo real
Jev escolhe componentes shadcn a partir de regras de estilo
Sistema que gera interfaces combinando componentes shadcn, um arquivo markdown de estilo próprio e regras de UI vindas do MCP do Mobbin. Em vez de gerar código do zero, o Jev decide quais peças da biblioteca predefinida usar, o que produz telas em menos de 2 segundos com custo praticamente nulo.
@hckmstrrahul 4,5 mil
- Busca e dados
Organização de 2,3 mil artigos de pesquisa em IA
Uso em produção em que o Jev reorganizou cerca de 2,3 mil artigos de pesquisa em IA com decisões tipadas. Os artigos já tinham tags antigas atribuídas por um modelo aberto usado anteriormente, e o Jev refez a categorização de todo o acervo em pouco mais de um minuto, com custo de centavos.
@omarsar0 4,1 mil
- Agentes
Loop de decisão de trade em mesa simulada
Mesa de trading simulada em que o Jev decide cada operação de forma contínua. A cada rodada, recebe o livro de ofertas, os últimos negócios e a posição atual, devolve uma única decisão tipada de comprado ou vendido, a mesa executa no papel e o ciclo recomeça com o novo estado.
@aowang 3,9 mil