ollaya : modèles locaux pour clients Jev

L'assistant Android lit les conversations visibles via l'accessibilité et l'OCR local, puis affiche analyses et suggestions en surimpression. Jev évalue l'intention et les choix de réponse ; un modèle génératif rédige trois propositions que Jev classe.

Le pipeline produit objectifs pédagogiques, contenu mathématique, plan visuel et scène Manim, puis inspecte le rendu réel. Jev évalue les artefacts et audits textuels d'Astra avec Score, Noul et Choice ; il ne reçoit pas les images.

Le bot renouvelle des ordres limités post-only à chaque bloc Monad et transmet carnet, ordres et exécutions au tableau de bord. Avec MODEL=jev et TYPESAFE_AI_API_KEY, Jev choisit achat ou vente ; le modèle mock applique par défaut une heuristique de momentum.

Cet assistant multiprestataire pour Linux, Windows et macOS propose chat, agents, RAG et intégrations d'outils. Le plugin expose jev_evaluate(state, questions) et renvoie des résultats Choice, Score ou Noul au modèle courant.

Shapeshift transforme le texte en événements, listes, minuteurs, partages de frais et autres interfaces spécialisées. Jev facultatif classe intentions et signaux ; le code calcule dates et nombres. Les mots-clés hors ligne sont utilisés par défaut. Saisissez, choisissez et sauvegardez une carte dans l’application Bun ; une clé TypeSafe côté serveur active Jev.

JevChat-Windows lit les conversations WeChat et KakaoTalk par OCR local et propose des réponses à côté du chat. Jev évalue intention et tension, puis classe trois propositions rédigées par un modèle de langage distinct. Configurez deux clés, pour décision et rédaction, sous Windows 10 1903+ ou Windows 11.