# pi-jev Pi Coding Agent 扩展，使用 TypeSafe Jev 为高风险工具调用、命令输出解释及类型明确的机器可读判断提供语义决策层。 Canonical URL: https://aiidelist.com/zh/ide/pi-jev Language: zh 更新日期: 2026-10-06 ## 概览 - 分类: Developer Workflow Tools - 开源 Pi Coding Agent 扩展，通过 TypeSafe Jev 为工具调用防护、命令输出分类和类型明确的智能体判断提供语义决策层。 - 编辑器基础: CLI - 平台: macOS, Linux, Windows - 开源: 是 - 本地模型支持: 否 - 自带 API 密钥: 是 ## 简评 pi-jev 适合希望增加概率型语义防护和类型明确 Jev 判断的 Pi 用户。若要求只在本地处理、真正的沙箱边界，或无需额外配置就保证错误时阻断，则不太适合。 ## 适合场景 - 希望在高风险工具执行前加入语义检查的 Pi Coding Agent 用户 - 探索概率型防护与置信度阈值的开发者 - 需要具体、类型明确的判断而非文字回复的 Pi 流程 - 可在强制执行前审查影子模式观测结果的交互会话 ## 优点 - 增加可判断意图和范围的语义风险检查，不局限于命令模式。 - 影子模式便于在开启确认流程前观察误报。 - 同时覆盖执行前的工具调用与执行后的命令输出。 - 代码可直接使用类型明确的 Jev 答案，无需解析生成文字。 - 采用 MIT 许可，以小型 Pi 扩展实现。 ## 局限 - 完全离线或仅本地的开发环境 - 需要真正沙箱或保证失败时阻断的安全敏感流程 - 使用 Pi 以外的智能体、且无计划改造扩展的用户 - 不能将所选工具上下文发送到外部 API 的团队 - 需要网络访问 TypeSafe Jev，并提供 TypeSafe API 密钥。 - API 密钥、端点、超时、限流或响应出现问题而无法判断时，默认放行。 - 必须明确启用 blockWithoutUI，无界面强制模式才会真正阻断。 - 判断请求可能将项目上下文及截断后的工具参数发送到 TypeSafe；write/edit 参数可能包含文件内容。 - 作者将调用前阈值的校准描述为冒烟测试，而非使用已标注评估集的验证。 ## 为什么选择 pi-jev？ 当 Pi 工作流缺少的是轻量语义判断，而不是另一个编程模型时，pi-jev 就有用。传统安全钩子擅长识别已知命令模式，例如破坏性的 Git 操作或明显的文件删除。pi-jev 则针对操作含义与范围向 Jev 提出具体问题，再由普通代码根据返回概率决定后续行为。 对语法正常、但结合上下文可能有问题的操作，这一区别很重要。写入系统配置文件在某个任务中可能完全合理，在另一个任务中却明显越界。该扩展将这类判断显式化，避免完全依赖主编程模型对自己的操作做推理并相信自己的结论。 pi-jev 应视为行为防护层，而不是沙箱。Pi 本身使用本地用户的权限运行，其文档建议对不可信仓库或无人值守任务采用容器、虚拟机、微型虚拟机等操作系统级隔离。pi-jev 增加了判断节点，但不会建立权限隔离边界。 ## 核心工作流程 实际流程是在选定的 Pi 工具活动前后做两阶段检查。执行会改变状态的操作前，pi-jev 从当前任务上下文构建简要状态，分别询问 Jev 各项风险。回答保持为独立数值信号，阈值逻辑由扩展负责。因此，修改策略无需让模型重新生成解释或决定动作。 shell 命令完成后，第二次判断可以检查返回文本，分析执行前无法获得的信息，例如输出是否包含凭证，或失败属于暂时性、环境、权限、调用方式还是代码问题。 `jev_ask` 的用途不限于安全。当前 Pi 智能体可将具体的语义判断交给 Jev，获取概率、类别或分数，而非生成一段文字。后续代码需要依据答案分支执行时，这种方式尤其有用。 ## 适用场景 最适合的场景是：确定性规则已能发现明显危险，但在意图和任务范围上仍有缺口。例如判断一条看似普通的命令是否把本地数据传出电脑、计划中的修改是否超出用户要求，或工具结果是否应改变下一步恢复策略。 另一种用法是智能体侧分类。Pi 扩展或项目流程可通过 `jev_ask` 标记错误类别、判断证据相关性，或按简短评分标准评价结果。最终只需一个 `if` 分支的决定，就不必占用通用编程模型的一整轮对话。 对于确定性策略，这种方法的价值较小。如果某条命令绝不能执行，直接规则或沙箱策略比概率阈值更便于审计。语义判断最适合边界依赖上下文、字符串匹配难以可靠表达的情况。 ## 同类工具对比 与 Pi Safety、CC Safety Net 或基于 AST 的命令过滤器相比，pi-jev 以语义解释取代确定性匹配。它可覆盖没有稳定命令特征的上下文相关情形，但也引入网络延迟、外部 API 依赖和阈值调整。 Pi Permission Gate 更接近，因为它也在执行前通过模型辅助分类风险。主要区别是决策接口：pi-jev 围绕 TypeSafe Jev 的类型化概率输出和固定判断维度设计；通用 LLM 关卡表达力可能更强，但需要更多提示词与输出处理。 两种方法都不应被当作隔离机制。面对可能恶意的仓库或自动化任务，操作系统级沙箱仍是更强的控制，即使模型或防护层误判，也能限制进程实际可访问的资源。 ## 配置建议 合理的落地方式是先使用影子模式，在不拦截的情况下收集实际仓库和命令样本。内置阈值由作者做过冒烟测试，但 README 明确说明，调用前的校准不等于经过标注的生产评估集。不同项目对破坏性、越界及可接受数据外传的定义可能很不同。 对隐私敏感的项目，缩小需判断的工具范围可能比调整模型阈值更重要。仅检查 `bash`，可避免在调用前将 `write` 和 `edit` 的文件正文发出。降低参数与输出字符上限能进一步减少外传上下文，但也会减少 Jev 可据以判断的信息。 无人值守或 RPC 驱动的会话中，应先确认无界面行为，再依赖其拦截。无界面模式无法显示交互确认，因此若要求强制停止，必须明确配置非 UI 阻断行为，并在与生产相同的执行模式中测试。 ## 迁移建议 替换确定性防护时，不应立即删除原策略层。先让 pi-jev 以影子模式运行，比较两套系统各自标记的操作。绝对禁止项通常更适合固定规则，意图与范围模糊的场景则更适合语义判断。 若另一个扩展已拦截同样的 Pi 工具调用，应测试是否出现重复提示、冲突决定及执行顺序影响。较清晰的配置是明确分工：硬规则负责绝对禁止项，pi-jev 负责上下文判断，沙箱负责权限隔离。 pi-jev 依赖外部 Jev 端点，迁移计划也应考虑 API 可用性。文档中的默认行为是请求出错时放行，因此要求保证拦截的流程，不应将远程判断服务本身视为安全边界。 ## 功能 ### 语义风险检查 - 执行前判断 bash、write 和 edit 调用 - 影子与强制执行模式 - 可配置风险阈值与短期缓存 ### 命令输出判断 - 检测可能的密钥或凭证暴露 - 按置信度门槛分类常见失败类型 - 将失败类别映射到固定恢复建议 ### 类型明确的 Jev 判断 - 在 Pi 内提供 jev\_ask - 支持 noul、choice 和 score 问题 - 用户级与项目级 JSON 配置 ### Pi 集成 - 通过会话命令查看状态、模式和近期判断 - 使用用户提供的 TypeSafe API 密钥 - 不捆绑运行时依赖 ## 安装 ````````sh pi install npm:@y0usaf/pi-jev ```````` ## 价格 open-source - pi-jev Extension: $0 — 采用 MIT 许可的开源扩展；使用 Jev 判断需要 TypeSafe API 密钥。 - TypeSafe Jev API: $0.042 — 每 100 万输入 Token — 底层 Jev 使用费用；TypeSafe 目前列明输出 token 免费。 价格核对日期: 2026-09-17 ## 支持的模型 - TypeSafe Jev ## 隐私与数据处理 pi-jev 将选定的判断状态发送到 api.typesafe.ai。README 说明，调用前判断包含工作目录、最新用户消息的截断片段和工具参数；write/edit 参数可能含文件正文，输出判断可能含截断后的 bash 输出。截断上限可配置。TypeSafe 客户协议称，未经事先同意，不会使用客户数据训练模型权重，但可处理遥测以改进服务。 ## 替代工具 - Pi Permission Gate - Pi Safety - Pi Safe Operation - CC Safety Net ## 资料来源 - [官方网站](https://github.com/y0usaf/pi-jev) - [官方文档](https://github.com/y0usaf/pi-jev#readme) - [安装](https://www.npmjs.com/package/@y0usaf/pi-jev) - [价格](https://typesafe.ai/) - [pi-jev GitHub 仓库与 README](https://github.com/y0usaf/pi-jev) - [Pi Coding Agent 文档](https://pi.dev/docs/latest) - [Pi 安全文档](https://pi.dev/docs/latest/security) - [TypeSafe AI Jev 文档](https://docs.typesafe.ai/introduction) - [TypeSafe AI Jev 官网与定价](https://typesafe.ai/) - [TypeSafe AI Jev 发布文章](https://typesafe.ai/blog/introducing-system-one-models-and-jev) - [TypeSafe AI 客户协议](https://typesafe.ai/legal/mca) 最近核对日期: 2026-09-17 ## 更新记录 - 2026-09-17: 目录条目已根据当前 pi-jev README、Pi 文档，以及 TypeSafe Jev 定价和数据条款核实。