AI 资源库 · 已整理 4 项

类型化决策

查看与类型化决策相关的 AI 资讯、工具、Skill、工作流和开源项目。

Spring AI TypeSafe:TypeSafe AI System One API 的 Java SDK 与 Spring AI 集成

spring-ai-community/spring-ai-typesafe · A Java SDK for the TypeSafe AI JEV API, & Spring AI TypeSafe integrations.

该项目为 TypeSafe AI 的 System One(jev)API 提供 Java 客户端,基于 Spring RestClient 与 Jackson 3 构建,并提供 Spring AI 集成,可作为模型即评审、护栏、RAG 后处理器与工具索引使用。其核心思路是将状态与一组类型化问题提交给 API,并行获得结构化答案(Noul、Choice、Score),而非文本生成。项目包含 typesafe-java-sdk、typesafe-spring-ai、spring-ai-starter-typesafe、typesafe-bom 及示例模块。

☆ 收藏查看来源 ↗

Jev 在 Harness 中实现可审计的决策原语

现在的 AI Agent 做决定时,通常是先写一段文字或 JSON,然后由外部软件去猜它到底选了什么。TypeSafe 推出的 Jev 改变了这一点:它直接把“决定”本身作为输出,比如从几个选项里选一个、打个分数,或者回答是/否,并且给出这个决定的可信度概率。这样做的意义是,Agent 在思考和行动之间那些原本藏在文字里的判断,比如下一步该做什么、证据够不够、某个操作风险大不大,现在都能被记录下来、评估和审计。Harness 已经在评测、模型路由和风险打分等生产环境中试用了这个方案。

文中可用工具

  • JevTypeSafe 推出的决策模型,直接输出带概率的类型化决定(Choice、Score 或 Noul),而非生成文本。
  • Harness在生产环境中测试 Jev 决策原语,应用于评测、模型路由和风险打分。
  • RLCDJev 训练所用的目标函数,全称“面向校准决策的强化学习”,旨在让模型输出的概率具有实际意义。
☆ 收藏查看来源 ↗

awesome-jev-tools:基于 Jev 类型化决策模型的工具与实践精选列表

v-modal/awesome-jev-tools · A curated list of tools built for Jev — TypeSafe AI's System One model for typed decisions.

这是一个围绕 Jev(TypeSafe AI 的 System One 类型化决策模型)构建的公开项目与实践精选列表。Jev 不生成文本或参与对话,而是接收非结构化状态与类型化问题,返回带置信度的类型化决策,如选择、分数或布尔值,可用作软件内部低延迟决策层。该列表按分类与路由、验证与护栏、打分与排序、Agent 决策、数据标注、评测与基准、校准与研究、基础设施/SDK/集成、游戏与仿真、金融交易、合规法律、内容审核及相关实践等类别汇总条目,并说明收录标准、非背书声明与采纳前核查要点。

☆ 收藏查看来源 ↗

awesome-jev:Jev 类型化决策模型的公开项目与集成精选列表

yibie/awesome-jev · A curated list of public projects, integrations, and discussions built on Jev — TypeSafe AI's System One model for typed decisions.

这是一个围绕 TypeSafe AI 的 System One 模型 Jev 的 awesome 列表,汇总了公开使用 Jev 的项目、集成与实践案例。Jev 不是聊天模型,而是接收非结构化状态与类型化问题、返回带置信度的类型化决策(选择、评分或布尔值),因此被用作软件中的决策层,覆盖分类与路由、验证与护栏、评分与排序、Agent 决策、数据标注、评测与基准、校准研究、基础设施与 SDK、游戏与模拟、金融、合规、内容审核等十余个类别。列表按应用领域对条目归类,并单列相关实践与讨论;同时明确声明收录不等于背书,不审查代码质量、安全性、成熟度或可运行性,建议采用前自行核查是否真正调用 Jev API、是否有可运行检查以及许可证情况。

☆ 收藏查看来源 ↗