DeepDoc: investigación local con revisión de evidencias Jev

El asistente Android lee conversaciones visibles mediante accesibilidad y OCR local y muestra análisis y sugerencias en una superposición. Jev evalúa intención y opciones de respuesta; un modelo generativo redacta tres candidatos y Jev los ordena.

El flujo desarrolla objetivos de aprendizaje, contenido matemático, planificación visual y escenas Manim, y revisa el renderizado real. Jev evalúa los artefactos y auditorías textuales de Astra con Score, Noul y Choice; no recibe imágenes.

El bot renueva órdenes limitadas post-only por bloque Monad y transmite eventos del libro, órdenes y ejecuciones al panel. Con MODEL=jev y TYPESAFE_AI_API_KEY, Jev elige comprar o vender; el modelo mock predeterminado aplica una heurística de impulso.

Es un asistente multiproveedor para Linux, Windows y macOS con chat, agentes, RAG e integración de herramientas. El plugin expone jev_evaluate(state, questions) y devuelve resultados Choice, Score o Noul al modelo actual.

ollaya descarga modelos de decisión abiertos por nombre y atiende preguntas tipadas mediante un servicio local. Implementa endpoints compatibles con TypeSafe para clientes Jev existentes, como proyecto independiente. Utiliza su CLI, aplicación de escritorio o servidor MCP; los Modelfiles agrupan conjuntos reutilizables de preguntas.

Shapeshift convierte texto en tarjetas de eventos, listas, temporizadores, repartos de gastos y otras interfaces específicas. Jev opcional clasifica intención y señales; el código calcula fechas y cantidades. Por defecto usa palabras clave sin conexión. Escribe en la aplicación Bun, elige una tarjeta y guárdala; una clave TypeSafe del servidor activa Jev.