copilot-jev

Jev (TypeSafe AI) sebagai partner keputusan untuk Copilot CLI.

LLM berpikir. Jev memutuskan. Kode mengeksekusi. Ketiganya bekerja bersama.

Copilot CLI (LLM)  ->  riset, perencanaan, penulisan, menyunting kode
Jev (System One)   ->  routing, scoring, approval, escalation
Kode               ->  mengeksekusi keputusan

Jev tidak menggantikan Copilot CLI — ia melengkapinya. Pekerjaan bahasa tetap di LLM; keputusan berulang dipindahkan ke model yang dirancang khusus untuk itu, dengan biaya $0,042 per juta token dan latency milidetik.

Repositori ini berisi dokumentasi berbahasa Indonesia sekaligus implementasi yang benar-benar berjalan: task router, MCP server untuk Copilot CLI, skill, demo terukur, dan uji otomatis.

Terukur di mesin ini (jev-1.13.0, 24 September 2026):

Detail dan cara mengukurnya sendiri: 07 — Biaya & latency.

Pasang sebagai agent skill

Skill jev memberi coding agent apa pun konteks penuh tentang API TypeSafe: tiga primitive, batas kerasnya, pola fan-out, ambang confidence, dan jebakan Noul yang tidak punya confidence.

Claude Code

claude plugin marketplace add devnolife/copilot-jev
claude plugin install jev@copilot-jev

Invokasi langsung: /copilot-jev:jev

Agent lain via skills.sh

npx skills add devnolife/copilot-jev --skill jev --agent github-copilot

Tanpa --agent, installer akan menanyakan agent mana yang dituju. Pemasangan bersifat project-local (ke .agents/skills/jev/); tambahkan -g untuk global.

Identifier agent yang sering dipakai — gunakan satu flag per agent:

Daftar lengkap (80+ agent) muncul bila Anda memberi nilai yang tidak dikenal.

Lihat isi repo tanpa memasang:

npx skills add devnolife/copilot-jev --list

GitHub Copilot CLI

Cara termudah lewat skills.sh di atas. Atau manual:

git clone https://github.com/devnolife/copilot-jev
cp -r copilot-jev/skills/jev ~/.copilot/skills/jev      # global

Repo ini juga sudah menyertakan .github/skills/jev/ sehingga skill langsung aktif bila Anda bekerja di dalam repo ini. Cek dengan /skills.

Manual (agent apa pun)

Salin seluruh isi skills/jev/ — termasuk folder reference/ — ke direktori skill agent Anda.

Lewat prompt

Tempelkan ini ke agent Anda:

Pasang skill Jev dari https://github.com/devnolife/copilot-jev. Kalau kamu Claude Code, jalankan claude plugin marketplace add devnolife/copilot-jev lalu claude plugin install jev@copilot-jev. Kalau agent lain, jalankan npx skills add devnolife/copilot-jev --skill jev. Pakai satu metode saja. Kamu juga bisa membaca skill-nya langsung di https://raw.githubusercontent.com/devnolife/copilot-jev/main/skills/jev/SKILL.md

Memakainya

Sebut eksplisit dalam prompt:

Pakai skill jev. Telusuri proyek ini dan cari tempat di mana parsing rapuh
atau prompt "kembalikan JSON" bisa diganti keputusan bertipe.

Related MCP server: jev-mcp

Mulai cepat

cd D:\devnolife\copilot-jev
python -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install -r requirements.txt

Copy-Item .env.example .env      # lalu isi TYPESAFE_API_KEY

Periksa semuanya sekaligus:

python scripts\doctor.py

Skrip ini memeriksa versi Python, dependensi, API key, registrasi MCP, skill, seluruh uji otomatis, server MCP, dan — bila API key tersedia — satu panggilan Jev sungguhan. Ia menyebutkan dengan tepat apa yang masih kurang.

Jalankan task router:

python chief.py --goal "Compare three AI-agent tools for tomorrow's briefing" `
                --done "No sources collected yet"

Jalankan demo terukur:

python demo\run_demo.py

Butuh Python >= 3.10 dan paket typesafe-sdk (bukan typesafe). Lihat koreksi terhadap thread sumber.

Dokumentasi

Tiga cara memakainya

1. Lewat MCP di Copilot CLI

Server jev sudah terdaftar di ~/.copilot/mcp-config.json. Jalankan /mcp di Copilot CLI untuk memastikannya aktif.

Verifikasi mandiri:

python scripts\verify_mcp.py

2. Lewat skill

Skill jev memberi agent konteks penuh tentang API TypeSafe. Lihat Pasang sebagai agent skill di atas untuk cara memasangnya di Claude Code, Codex, Cursor, Copilot CLI, dan lainnya.

3. Lewat kode Python

from jev.client import JevClient
from jev.router import ChiefRouter, build_state

with JevClient() as client:
    result = ChiefRouter(client).decide(
        build_state(goal, completed_work, sources=sources, draft=draft)
    )

result.next_worker.value        # "research"
result.next_worker.certainty    # 0.83
result.next_worker.action       # "act" | "caution" | "escalate"

Struktur

copilot-jev/
├─ skills/jev/                # SKILL.md kanonik + reference/  <- sumber kebenaran
├─ .claude-plugin/            # manifest Claude Code marketplace
├─ .github/
│  ├─ skills/jev/             # salinan tersinkron untuk Copilot CLI
│  └─ workflows/ci.yml        # uji + cek sinkronisasi skill
├─ chief.py                   # task router mandiri -> queue/
├─ mcp_server.py              # decision layer untuk Copilot CLI
├─ src/jev/
│  ├─ questions.py            # SEMUA pertanyaan + ambang batas  <- review di sini
│  ├─ router.py               # gerbang confidence tiga jalur
│  ├─ client.py               # wrapper + retry + telemetry
│  ├─ budget.py               # limit aksi/biaya + completion check
│  ├─ telemetry.py            # catatan biaya & latency
│  └─ config.py               # env + harga
├─ demo/run_demo.py           # loop research -> write -> review
├─ scripts/
│  ├─ doctor.py               # periksa seluruh instalasi dalam satu perintah
│  ├─ verify_mcp.py           # uji server MCP via stdio
│  ├─ sync_skill.py           # jaga SKILL.md tetap sinkron antar agent
│  └─ measure.py              # bandingkan fan-out vs panggilan terpisah
├─ tests/                     # 62 uji offline + 8 uji live
└─ docs/                      # dokumentasi 01-08

Titik penyetelan utama ada di src/jev/questions.py. Semua teks pertanyaan dan konstanta ambang sengaja dikumpulkan di sana, karena itulah bagian yang paling perlu direview manusia.

Prinsip yang dipegang kode ini

1. Kirim bukti, bukan ringkasan. "researcher finished" tidak bisa dinilai.

2. Satu panggilan, banyak pertanyaan. state hanya dibayar sekali.

3. Refresh opsi secara dinamis. Opsi mati menurunkan confidence percuma.

4. Opsi tinggal satu? Jangan panggil Jev. Itu keputusan deterministik.

5. Ambang mengikuti risiko, bukan satu angka untuk semua.

6. Noul tidak punya confidence — turunkan dari abs(noul - 0.5) * 2.

7. "DONE" bukan verifikasi. Buktikan outcome-nya di kode.

8. Ukur biaya dan latency, jangan menebak.

Penjelasan lengkap: 06 — Praktik terbaik.

Uji

python -m pytest              # 62 uji offline (tanpa API key)
python -m pytest -m live -v   # 8 uji terhadap API sungguhan

Uji live otomatis dilewati bila TYPESAFE_API_KEY belum diset.

Keamanan

• API key hanya di .env (sudah di-gitignore) atau environment variable. Tidak pernah di kode, dokumentasi, maupun mcp-config.json.

• Jangan set TYPESAFE_LOG_LEVEL=debug pada data nyata: pada level itu SDK mencetak body request dan response tanpa redaksi.

• state yang Anda kirim tetap pergi ke API TypeSafe. Perlakukan seperti layanan pihak ketiga lainnya.

Jev adalah partner Copilot CLI

Keduanya mengerjakan hal yang berbeda dan saling melengkapi: Copilot CLI memahami maksud, menyusun rencana, dan menulis; Jev memilih, menilai, dan memutuskan dengan angka. Pekerjaan bahasa tetap di LLM, keputusan berulang pindah ke model yang memang dirancang untuk itu.

Konsekuensinya: tidak ada setelan model: "jev-latest" yang membuat Copilot CLI berjalan di atas Jev — dan itu memang bukan tujuannya. Pasangkan keduanya, jangan tukar salah satunya.

Sumber

• Dokumentasi resmi TypeSafe AI

• API reference · Playground · API keys

• Thread @0xCodila — pengantar konsep (beberapa detail teknisnya dikoreksi di docs/03)