jev-code — плагин
Классификатор Jev как инструмент агента: размечает элементы, отвечает да или нет и ранжирует варианты, выдавая вероятности.
- 59 ★ репозитория
- Последний коммит
- MIT
Расширенный доступ
Почему такой уровень
- Текст улик и ключ API уходят на внешний хостинг модели, а setup меняет конфигурацию нескольких агентов.
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add plugins/jev-codeОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Текст улик и ключ API уходят на внешний хостинг модели, а setup меняет конфигурацию нескольких агентов.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
jev-code подключает к Claude Code, Codex, OpenCode и Pi модель принятия решений Jev от TypeSafe и навык, который объясняет агенту, когда она нужна. Агент передает улики и свои классы и получает метку, распределение вероятностей и решение `auto` либо `review`, по которому можно ветвиться. Прозы в ответе нет. Инструментов пять: `jev_classify` размечает много элементов, `jev_check` отвечает да или нет по одному фрагменту, `jev_score` оценивает по упорядоченной шкале, `jev_rank` сортирует кандидатов по релевантности, `jev_ask` принимает прочие вопросы. Те же вызовы доступны из оболочки через CLI `jev-code`. Команда `setup` находит установленных агентов и подключает навык и инструмент к каждому.
Для кого. Разработчикам, чьи агенты разбирают десятки однотипных элементов: падения в CI, находки ревью, файлы под вопрос.
Подходит, если
- После прогона CI надо отделить нестабильные тесты от настоящих ошибок.
- Агент должен отобрать из сорока файлов те, что отвечают на вопрос.
- Описание pull request сверяют с изменениями: делает ли он заявленное.
- Находкам ревью нужна оценка серьезности по общей шкале.
Не подходит, если
- Нужен связный текстовый ответ: Jev возвращает только типизированные ответы.
- Данные нельзя отправлять на внешний хостинг модели.
- Хватает одного регулярного выражения.
Пример запроса к агенту
Разбери падения тестов из последнего прогона CI: какие нестабильные, какие настоящие ошибки.Ограничения
Модель работает на стороне TypeSafe, OpenRouter, Vercel AI Gateway, OpenAI или вашего шлюза System One, поэтому нужен API-ключ и передача улик по сети. Для установки требуется Node.js 20 или новее. Порог автоматического принятия по умолчанию 0,85 при минимальном отрыве 0,5, а спорные случаи агент обязан проверить сам. Родной модуль Pi подключается отдельным расширением, остальные агенты работают через MCP по stdio.
Как отключить. Уберите навык `jev` из каталога навыков и запись MCP-сервера из конфига агента. Ключ из профиля оболочки удалите вручную.
Частые вопросы
Как поставить jev-code?
Выполните `npx -y @french-castle/jev-code@latest setup`. Команда найдет Claude Code, Codex, Pi и OpenCode, скопирует навык и зарегистрирует инструмент. Флаг `--dry-run` покажет план без изменений.
Какие ключи подходят?
Ключи TypeSafe, OpenRouter, Vercel AI Gateway и OpenAI либо адрес собственного шлюза System One. Из окружения читаются `TYPESAFE_API_KEY`, `OPENROUTER_API_KEY` и `AI_GATEWAY_API_KEY`.
Как проверить, что все работает?
Запустите `npx -y @french-castle/jev-code@latest doctor --live`: команда делает живой вызов и показывает состояние подключения.
Что означает решение auto или review?
`auto` значит, что вероятность и отрыв выше порогов и ответ можно принять. `review` отправляет случай на ручную проверку агентом.
Работает ли инструмент без MCP?
Да, у Pi есть родное расширение, а в любой оболочке доступен CLI `jev-code` с теми же пятью вызовами.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
ПлагиныПлагин и MCP-сервер передают модели Jev решения без текстового ответа и проверяют команды перед запуском, пока LLM пишет контент
MCP-сервер дает агенту три инструмента Jev: типизированные вопросы да или нет, выбор и оценка с вероятностями. Офлайн.
Jev-Style запускает на вашем компьютере малые модели решений с вероятностью по каждому варианту, а к ним скиллы, MCP и хук
Плагин для DeepSeek Harness и iPolloWork: структурный выбор инструмента, скилла или агента и оценка результата с вероятностью
Плагин с каталогом публичных примеров Jev: скилл и MCP-сервер отвечают, как другие решали ту же задачу с моделью решений.
Пять скиллов для моделей Jev: сортировка записей, сверка с источниками, оценка по рубрике и выбор следующего шага агента.
Коротко о README
Проект упаковывает классификатор TypeSafe для четырех агентов: пять инструментов с одинаковыми именами и JSON, навык по формулировке классов и вопросов и CLI. Установка и ключ настраиваются одной командой.