jev-dsh-decision — Jev-Urteile für DeepSeek Harness und iPolloWork

Entwickler legen erlaubte Komponenten und Aktionen fest, damit erzeugte Oberflächen dem eigenen Katalog und Schema folgen. Die experimentelle Kompositionslogik im Playground bewertet mögliche Komponenten mit typesafe-ai/jev und erstellt daraus eine UI-Spezifikation.

Anweisungen, Werkzeuge, Skills, Kanäle und Zeitpläne liegen in festgelegten Verzeichnissen, sodass Agenten sich prüfen und erweitern lassen. evaluate nutzt eves Modellauthentifizierung für typisierte Fragen über einen Zustand; standardmäßig wird Jev verwendet.

Es liefert Konventionen und Instrumentierung für KI-Anwendungen, einschließlich Modellaufrufen, Retrieval und externen Werkzeugen. Die TypeSafe-Integration erfasst systemOne als Spans mit JSON-Ein-/Ausgaben, Modell und Tokenverbrauch; Beispiele decken Choice, Noul und Score ab.

LocalJev übersetzt typisierte Anfragen in DiffusionGemma-Klassifikationsprompts und validiert die erzeugten Wahrscheinlichkeiten. Der Bun-Dienst liefert das Jev-Antwortformat über ein normales OpenAI-kompatibles Chat-Backend. Mit Bun und einem oMLX-Server starten und TypeSafe-SDK-Clients auf die lokale API richten.

Jev MCP bietet Agenten Werkzeuge für Belegprüfung, Klassifikation, Neusortierung, Extraktion und Patch-Review. npx -y @jkudish/jev-mcp mit Node.js 22 oder neuer und einem Jev-Anbieterschlüssel im MCP-Client registrieren.

Web Search Plus ergänzt Hermes um Suche und Seitenextraktion mit Routing und Rückfallwegen zwischen konfigurierten Anbietern. Plugin und Suchanbieter einrichten, Jev separat mit setup --jev aktivieren und typesafe-sdk installieren.