Confronte uma afirmação com a evidência disponível.
Escolher entre uma regra, uma decisão delimitada e uma resposta generativa.
- Decidir, gerar ou calcular
- Contexto, pergunta e opções
- Ler promessas com cuidado
JEV: decisões de IA
na prática.
Um lugar para explorar o projeto, estudar no curso e levar decisões estruturadas ao seu código. Experimente os 20 casos, percorra as 36 aulas e conheça os 17 pacotes por área.
Laboratório público sem chave, com respostas simuladas. Curso HTML v2 em português, com progresso, dúvidas e anotações.
Banner da edição inicial, com dez pacotes. O acervo atual reúne 17 pacotes.
Do contexto à decisão. Da decisão à avaliação.
Jev é o modelo de decisões estruturadas da TypeSafe. O Jev Decision Lab é o projeto educacional do INEMA para formular perguntas, comparar respostas e entender quando uma decisão precisa de revisão.
O modelo recebe contexto e critérios; o seu sistema continua responsável pelas ações. O laboratório separa essa escolha da geração de texto e da execução de ferramentas.
Consultar a documentação oficial da TypeSafe
Três formas de perguntar
- Choice: escolher entre alternativas explícitas.
- Noul: estimar a probabilidade de uma resposta afirmativa.
- Score: avaliar uma rubrica com níveis ordenados.
O que você já pode usar
- Busca entre 20 casos autorais e perguntas combinadas.
- Editor de contexto textual ou JSON e critérios de decisão.
- Importação de requisições e exportação de resultados.
- Política didática de limiares, abstenção e revisão humana.
- Estimativa de custo com fallback, revisão e infraestrutura.
- Experimentos em lote: regras, Jev direto, híbrido e replay.
- Comparação de métricas e leitor de relatórios no navegador.
- Cliente Python, servidor local e integração pelo OpenRouter ou TypeSafe.
20 situações para experimentar
Cada caso inclui contexto, perguntas, critérios, resposta simulada, explicação e próximo passo. Os links abrem o caso correspondente no laboratório em português.
Sugira a equipe responsável por uma solicitação.
Localize pontos que pedem revisão especializada.
Distingua proposta de mudança e confirmação.
Escolha a capacidade necessária antes de gerar.
Avalie um critério explícito do resultado de um agente.
Despache para uma especialidade sem ampliar permissões.
Selecione um candidato a partir do texto da página.
Estudo fictício de organização, sempre supervisionado.
Organize uma fila fictícia conforme política explícita.
Distingua especialidades parecidas e permita nenhuma.
Separe correção e utilidade antes de propor revisão.
Preserve a passagem que contradiz a hipótese.
Observe fila, prioridade, suficiência e pedido de estorno juntos.
Uma conversa pode conter vendas e agendamento.
Escolha o trecho; deixe calendário e comparação para código.
Use uma rubrica operacional, sem inferir o incidente inteiro.
Classifique somente material fictício e já minimizado.
Wi-Fi pode ser o assunto de um pedido de status.
Sinalize um teste enfraquecido com contexto e requisito.
O curso: Jev na prática
Três trilhas, 12 módulos e 36 aulas com teoria, exemplos, exercícios e respostas. Abra cada módulo para ver as aulas e acessar o material completo.
O percurso conceitual cobre os módulos 1–8. Os módulos 9–12 usam JSON, terminal e Python. A estimativa do curso é de 18 horas, incluindo exercícios e projeto.
Curso HTML v2 disponível, em português. Os links abaixo abrem as aulas com progresso, dúvidas, anotações e exercícios. O roteiro pessoal acompanha uma decisão do início ao piloto.
Entender
Módulo 1 — Onde Jev entra
Módulo 2 — Os três tipos de pergunta
Distinguir Choice, Noul e Score a partir do tipo de resposta necessário.
- Choice: escolher uma alternativa
- Noul: probabilidade de sim
- Score: níveis ordenados
Módulo 3 — Confiança e erro
Usar incerteza sem transformá-la em autorização automática.
- Probabilidade e confidence
- Alta confiança, resposta errada
- Quando pedir revisão
Módulo 4 — Custo e escolha do primeiro caso
Calcular a viabilidade incluindo o trabalho que acontece depois do modelo.
- A conta de dez mil tokens
- Custo do processo inteiro
- Escolher um piloto
Aplicar
Módulo 5 — Atendimento e transcrições
Aplicar decisões a mensagens e distinguir ausência de evidência de resposta negativa.
- Encaminhar tickets
- Vendas e agendamento juntos
- Informação faltante
Módulo 6 — Documentos e evidências
Avaliar o que um trecho sustenta sem extrapolar para a verdade externa.
- Uma afirmação é apoiada?
- Checklist de cláusulas
- O que mudou na conversa?
Módulo 7 — Modelos e agentes
Roteamento, verificação e execução como responsabilidades separadas.
- Escolher um modelo
- Verificar uma etapa
- Escolher um agente
Módulo 8 — Navegador e aplicações sensíveis
Distinguir seleção de candidatos de execução e supervisão profissional.
- Escolher elemento pelo texto
- Organizar revisão clínica fictícia
- Organizar alertas fictícios
Construir e avaliar
Módulo 9 — Integrar sem misturar responsabilidades
Construir uma requisição e lidar com erros mantendo credenciais no servidor.
- Preparar o estado
- Entender uma requisição
- Tratar falhas operacionais
Módulo 10 — Medir qualidade de verdade
Comparar métodos sem confundir exemplos ajustados com evidência independente.
- Construir referência humana
- Comparar alternativas
- Escolher e congelar limiares
Módulo 11 — Operar e observar
Preparar logs, acompanhamento e retorno sem perder controle da operação.
- Observar antes de automatizar
- Registrar e entender falhas
- Atualizar ou voltar atrás
Módulo 12 — Projeto final
Entregar uma decisão de adoção fundamentada, inclusive quando a resposta for não automatizar.
- Especificar a triagem
- Avaliar a proposta
- Decidir adoção
12 laboratórios, materiais e projeto final
Dados fictícios e autorais, com atividades e gabaritos para autocorreção. Resolva primeiro e consulte as respostas depois.
12 tarefas para escolher entre regra, Choice, Noul, Score ou geração.
Seis políticas para distinguir devolução, crédito, conflito e insuficiência.
30 tickets fictícios para classificar filas e investigar divergências.
Oito pares e quatro cláusulas para identificar apoio e omissão.
12 tarefas para separar escolha, permissão e limite de tentativa.
Cinco listas de candidatos para escolher, abster-se ou pedir revisão.
Planilha para somar entrada, fallback, revisão e implantação.
Dez predições simuladas para comparar cobertura e erro.
Oito pedidos para selecionar uma skill ou nenhuma.
Seis situações para separar correção, utilidade e evidência de teste.
Seis passagens para preservar contradições, negações e IDs.
Oito alegações para julgar a evidência e o que ainda falta.
Seu projeto final
Especifique o problema, a taxonomia, as perguntas, a política, a avaliação e a economia. Conclua se há evidência para adotar, coletar mais dados ou não automatizar. A rubrica cobre formulação, política, evidência, economia e reprodutibilidade.
Abrir o modelo e a rubrica do projeto final17 pacotes para aplicar no trabalho
Contexto, critérios, requisição, fixture e instruções em cada pacote. Todos compartilham o executor e o núcleo Python; você pode começar offline e depois configurar uma consulta real.
Classificar chamados para a fila correta.
Insira a avaliação entre a criação do chamado e a escolha da fila.
Qualificar oportunidades segundo critérios explícitos.
Acione após receber um formulário de contato. Acrescente ao contexto seu catálogo e critérios comerciais.
Organizar solicitações de pós-venda.
Avalie o ticket com os dados de pedido estritamente necessários.
Conferir se um texto respeita o briefing fornecido.
Avalie o rascunho antes da etapa de aprovação editorial.
Triar relatos de bugs para o componente responsável.
Use título, descrição e logs minimizados do issue como entrada.
Escolher entre skills cadastradas, sem executá-las.
Coloque o classificador antes do dispatcher das ferramentas. Use apenas IDs do catálogo permitido.
Aplicar uma rubrica explícita como apoio à revisão do professor.
Use exercícios fictícios primeiro; depois avalie respostas minimizadas contra rubricas do professor.
Conferir informações obrigatórias em documentos.
Faça a extração de texto antes desta etapa e envie o checklist junto.
Classificar pendências para revisão do responsável.
Use atualizações do projeto como entrada antes da reunião de acompanhamento.
Avaliar se um trecho fornecido sustenta uma afirmação.
Use após recuperar trechos da base de conhecimento e antes de redigir uma resposta.
Separar mensagens e sinalizar o que precisa de revisão.
Após receber o e-mail no seu backend; envie apenas corpo e perfil necessários.
Priorizar dúvidas e sugestões de conteúdo.
Após importar comentários pela integração autorizada da sua aplicação.
Localizar pedidos de ajuda e insatisfação expressa.
Após a entrada de uma publicação ou dúvida no ambiente de aprendizagem.
Verificar decisão, próximo passo, responsável e prazo.
Depois da transcrição autorizada da reunião.
Avaliar se a transcrição de um trecho sustenta um corte independente.
Depois de transcrever e segmentar no inemavox; envie texto e tempos, não o arquivo de vídeo.
Separar tarefas, ideias, diário e referências após transcrição.
Após uma nota textual ou uma transcrição no seu bot; conserve o original no sistema de origem.
Priorizar relevância textual conforme interesses declarados.
Após importar publicações por um mecanismo autorizado.
Os pacotes estão no repositório: ainda não há distribuição PyPI, instalador universal ou conector pronto para n8n.
Comece simples. Avance quando precisar.
No navegador
Abra o laboratório, escolha um caso e examine a resposta didática. Edite as perguntas, importe uma requisição, exporte o resultado ou abra um relatório.
Abrir o laboratório públicoO site público não consulta uma API e não solicita credenciais. Alterar um caso invalida sua resposta simulada anterior.
No seu computador
Com Python 3.10 ou superior e Git, clone o projeto e inicie o servidor local. O núcleo usa a biblioteca padrão.
git clone https://github.com/inematds/jev.git
cd jev
python3 -m jev_lab serveAbra http://127.0.0.1:8765 no navegador.
Do pacote offline à inferência real
python3 -m pacotes.executar --list
python3 -m pacotes.executar atendimento
python3 -m pacotes.executar atendimento --live --provider openrouterSem --live, o pacote usa uma fixture simulada. O modo real requer chave configurada no backend e pode consumir créditos. O guia mostra a configuração do OpenRouter e da TypeSafe, mantendo as credenciais fora do navegador.
Lotes, retomada e avaliação por pergunta
Valide um arquivo JSONL sem chamar API. Com --live, processe os eventos com concorrência limitada e retome resultados salvos. Compare Choice, Noul e Score com referências explícitas; as demonstrações novas continuam simuladas.
python3 -m pacotes.executar reunioes
python3 -m pacotes.qualidade reunioes
python3 -m pacotes.lote reunioes data/reunioes-eventos.jsonlNo Codex, Claude Code e OpenPCBot
Use a skill jev-decidir no Codex e no Claude Code. No OpenPCBot v3, /jev observar compara sugestões de rota; /jev mostra o resultado e /ajuda jev explica os limites. O bot mantém seu próprio gateway e não executa as sugestões do Jev.
Instalar a skill para Codex e Claude CodeUm gateway para o seu sistema
Quando a consulta ao Jev sai de vários pontos do mesmo sistema, vale concentrar tudo numa porta só. O jev-gw faz isso: teto de gasto diário conferido antes de cada consulta, cache por pedido idêntico, registro de custo e latência por chamada, e falha conservadora — Jev fora do ar, chave errada ou teto estourado devolvem revisão humana em vez de quebrar quem chamou. Biblioteca Python, serviço HTTP e CLI, tudo com a biblioteca padrão.
from jev_gw import decidir
saida = decidir(pedido)
if saida['acao'] == 'suggest':
encaminhar(saida['resposta']['answers']['fila']['choice'])
else:
fila_de_revisao(saida['motivo'])Medido em 22/09/2026: uma consulta real em 610 ms por US$ 0,0000155; a mesma consulta repetida veio do cache em 0 ms. É teste de integração, não benchmark de qualidade.
Laya no projeto Jev
Alternativa local em avaliação
Laya é um candidato para comparar decisões estruturadas locais com Jev. As referências e a análise estão disponíveis; o adaptador no Jev e a integração no bot v3 continuam pendentes.
O que já verificamos
Na análise local de 21/09/2026, 14 testes da aplicação Laya passaram e 16 respostas já salvas foram aceitas pelo validador estrutural Jev. Não houve nova inferência nessa análise.
O relatório didático existente registra 13 acertos em 16 exemplos sintéticos em português, com erros de confiança alta. Isso não comprova superioridade sobre Jev nem qualidade de produção.
Próximo passo: um piloto comparável
Usar os mesmos casos e critérios, separar ajuste de teste, medir qualidade, custo e latência completos e manter revisão humana. A confiança do Laya tem semântica própria; não reutilizar automaticamente os limiares do Jev.
O que já foi observado — e o que falta medir
Simulação para aprender
Os 20 casos públicos e o replay didático são autorais e simulados. Servem para estudar formulação, políticas e erros; não medem a qualidade do modelo.
Ver a comparação didáticaBaseline de regras
O relatório registra 20 acertos em 24 tickets fictícios (83,33%), com macro-F1 de 0,84235. Esses resultados são das regras, não do Jev.
Examinar o relatório de regrasIntegração real testada
Em 19/09/2026, os dez pacotes receberam respostas pelo OpenRouter, sem falhas e com as classificações esperadas nos exemplos fictícios. Isso confirma a integração nesses exemplos; não constitui benchmark independente.
Ler o relatório das dez consultasAvaliação ainda necessária
Qualidade em português, calibração e uso operacional precisam de dados independentes e referência humana. O projeto não executa pagamentos, diagnósticos, merge ou ações de agentes.
Ler exageros, dúvidas e limitesOs sete pacotes novos foram verificados com fixtures e testes controlados. O relatório de inferência real cobre somente os dez pacotes originais.
Biblioteca completa do projeto e do curso
Documentação pública para aprofundar cada parte. Os repositórios e materiais de estudo estão em português; esta página organiza os caminhos de acesso.
Escolha seu próximo passo.
Experimente um caso, estude o módulo correspondente ou adapte um pacote ao seu projeto.