LLM Debugger : débogage à l’exécution avec Jev

Le cadre réunit analyses fondamentale, technique, des actualités et du sentiment, débats entre chercheurs, rôle de trader et gestion du risque. Avec TYPESAFE_API_KEY, Jev écarte les messages StockTwits et Reddit sans rapport avec l'entreprise et classe leur position ; sans clé, aucun filtrage n'a lieu.

Le framework associe raisonnement et outils, avec gestion du contexte, diffusion d'événements, mémoire et contrôle des permissions. JevClassifierModel intègre le classifieur Jev au moyen du SDK TypeSafe dans ce framework généraliste.

Des agents planifient la recherche, collectent et résument les sources, puis réunissent les résultats dans un rapport avec citations. Avec TYPESAFE_API_KEY, Jev évalue l'utilité des passages pour la question avant leur transmission au LLM.

Cette plateforme autohébergée couvre stratégies Python, backtests, simulation, exécution réelle et suivi. Jev évalue ordre, stratégie, exposition, positions et budget, puis renvoie des choix typés et leurs probabilités pour filtrer les entrées.

La plateforme autohébergée organise agents, espaces isolés et tableaux de tâches sur vos propres ordinateurs. Le README présente Jev de TypeSafe comme modèle disponible produisant des décisions typées avec confiance plutôt que du texte généré.

Cette bibliothèque npm et ce plugin Claude Code réduisent appels et résultats sans réécrire la conversation. Jev répond séparément à des questions noul sur chaque appel et résultat ; les seuils déterminent leur conservation, troncature ou suppression.