wiki-update: index codila row cover note

wiki/index.md

@@ -466,7 +466,7 @@
 | [Andy Gao](people/andy-gao.md) | Entwickler (@instantricecook, **563 Follower**, verifiziert, gao.haus): „I built a voice controlled computer-use for my mac using @typesafeai's Jev" (18.09.2026, **139.442 Views** — Reichweite aus dem Thema, nicht aus dem Account). Erster Demo-Erbauer, dessen Material eine **visuelle Prüfung der Kernaussage** zulässt (STT + 9 Standbilder). ⚠️ Keine Beziehung zu TypeSafe bekannt, kein Code | xpost/2026-09-18_andy-gao-jev-voice-computer-use.md |
 | [CJ Zafir](people/cj-zafir.md) | Entwickler (@cjzafir, **64.375 Follower**, verifiziert), Bio „I fine-tune small language models (SLMs) and beat large language models". **Erfahrungsbericht zu Jev** (18.09.2026, 33.238 Views): „I burned **$3.40 on Jev in 24 hours**" — erster Ausgabenwert aus echter Nutzung (≈81 Mio. Input-Token, ~19 Postfach-Durchläufe). Kern „**Jev + LLMs**" (System-1-Controller für Routing, Tool-Wahl, Scoring) trägt; ⚠️ zwei Punkte überzeichnet („lernt aus einem Prompt" = Konfiguration; „32k → 1M wird RAG reparieren" — Doku kennt 64k/32k, kein 1M). Eigeninteresse: kleine Modelle | xpost/2026-09-18_cjzafir-jev-3-40-dollar-erfahrung.md |
 | [Nate Herk](people/nate-herk.md) | Betreiber von **Nate Herk \| AI Automation** (@nateherk), Fokus Automatisierungsworkflows (AI Automation Society, X @nateherk). **Praktikerebene zu Jev** (19.09.2026, 13.549 Aufrufe, ~16:08, kein Transkript): zwölf Anwendungsfälle, Live-Builds (X-Feed-Classifier, Paper-Trading-Prototyp), Kostenvergleich gegen LLM-Workflow. Seine Kostenwerte **passen zum Preismodell** (siehe `concepts/llm/jev-praxis-demos.md`); Laufzeiten liegen teils am dokumentierten Rate Limit (offene Frage). Empfehlung: **Evals mit Golden Dataset** vor Produktiveinsatz — deckt sich mit Anhaias Label-Kritik und Zafirs „Jev + LLMs". ⚠️ Beschreibung mit werblichen Elementen | youtube/2026-09-19_nate-herk-jev-12-use-cases.md |
-| [codila](people/codila.md) | @0xCodila (21.096 Follower, verifiziert, Substack); kuratiert/vermarktet AI-Tooling. Quottete Almeidas Coding-Agent-Doc (89.907 Views, **1.038 Bookmarks** > 512 Likes) mit zehn gerankten Jev-Use-Cases (Gesamt 8,9/10; Kontext-Steuerung 10/10, Permission Gate/Security-Routing je 9,5 — Gate-Rollen vorn, Reasoning fehlt). **„Built and tested“ unbelegt; Lead-Magnet („14-page playbook“) | xpost/2026-09-21_codila-jev-usecase-ranking.md |
+| [codila](people/codila.md) | @0xCodila (21.096 Follower, verifiziert, Substack); kuratiert/vermarktet AI-Tooling. Quottete Almeidas Coding-Agent-Doc (89.907 Views, **1.038 Bookmarks** > 512 Likes) mit zehn gerankten Jev-Use-Cases (Gesamt 8,9/10; Kontext-Steuerung 10/10, Permission Gate/Security-Routing je 9,5 — Gate-Rollen vorn, Reasoning fehlt). **Cover lokal gelesen:** Forschungs-Paper-Optik („Jev Engineering Research · September 2026“, Footer @0xCodila), neun Module + zehn Systeme 1:1 aus dem Creator-Doc; Abstract „empirical lessons from early implementations“ ohne Beleg — Cover ≠ lauffähiger Inhalt. **„Built and tested“ unbelegt; Lead-Magnet („14-page playbook“) | xpost/2026-09-21_codila-jev-usecase-ranking.md |
 | [Brivael Le Pogam](people/brivael.md) | @brivael (Paris, 164.358 Follower, verifiziert, Account seit 01.01.2025); **CEO&CTO von Argil AI (YC S24)**, Bio bewirbt eigenes Buch (Gumroad). Französischsprachiger Jev-Demo-Recap (18.09.2026, 32.726 Views; geteilt von Rüdiger mit „Verifiziere.“): erste nicht-englische, namentlich personifizierte Zusammenfassung der Demo-Welle (Voice-Demo, Trading-Bot auf Monad, Ads-Klassifikation, Compaction-Plugin, Confidence-Gate). **Dokumentierte Angaben stimmen** ($42/Btok, 70–500 ms, Stealth, Choice/Score/Boolean, Kalibrierung, Flug 7 s); **Ian-Kosten (13 ¢ vs. 17,6 ¢ bei 4,2 Mio. Token) und Alex-Compaction (1 Mio. Token in 1 s vs. min. ~4 s)** halten der Prüfung nicht stand; Demo-Autoren nicht verlinkt. **Verbreitungssignal, keine Evidenzquelle** | xpost/2026-09-18_brivael-jev-demo-recap.md |
 | [N8 Programs](people/n8-programs.md) | @N8Programs / GitHub `N8python`; laut Profil Student für angewandte Mathematik/Statistik an Johns Hopkins und In-Context-Learning-Forschung. Veröffentlichte den unabhängigen Jev-vs.-Terra-System-1-Benchmark: neun Multiple-Choice-Bedingungen, Terra `reasoning=none`; Makro nahezu Gleichstand (80,69 % vs. 80,15 %), ECE 1,74 Pp bei N=33.735, Kosten **18,55×** zugunsten Jev. ⚠️ Kein öffentliches Eval-Repo, keine Prompts/Seeds/Logs; HellaSwag-Textclaim widerspricht eigener Tabelle | other/2026-09-17_reddit-n8-jev-terra-benchmark.md |
 | [Ryan Vogel](people/ryan-vogel.md) | Entwickler/Unternehmer (@ryanvogel, 18.201 Follower): „ceo of @rebasetv / founding developer @opencode @anomalyco", Standort Florida. Gast der Episode „Jev is HERE. How to use it" bei Greg Isenberg (18.09.2026). Relevanz fürs Wiki v. a. über **OpenCode** (Open-Source-Coding-Agent, Partnermodus von DeepSeek V4.1 Flash). ⚠️ Episode-Inhalt nicht ausgewertet; Rebase-TV-Selbstbeschreibung ungeprüft | xpost/2026-09-18_gregisenberg-jev-vercel-gateway.md |