Scopo e destinatari

Agenti di pianificazione ed esecuzione raccolgono, riassumono e tracciano le fonti, riunendo i risultati in un rapporto con citazioni.

Evidenze 1 ↗ · Evidenze 2 ↗

Ruolo di Jev

Con TYPESAFE_API_KEY, Jev valuta l'utilità dei passaggi per la domanda prima che il contesto raggiunga il LLM.

Evidenze 1 ↗ · Evidenze 2 ↗

Come si usa

Si crea GPTResearcher con una domanda, si esegue conduct_research() e poi write_report() per generare il rapporto.

Evidenze 1 ↗

Ambito e limiti

Senza chiave Jev o se la chiamata fallisce, subentra BM25 locale. La configurazione documentata richiede anche Python 3.12 e credenziali dei servizi di ricerca.

Evidenze 1 ↗ · Evidenze 2 ↗

Descrizione originale del repository

An autonomous agent that conducts deep research on any data using any LLM providers

Informazioni sul progetto

Rapporto con Jev
Integrazione
Evidenze
Documentato
Linguaggio
Python
Licenza
Apache-2.0
Origine
Repository originale
Stato del repository
Non archiviato
Creato
2023-05-12
Ultimo aggiornamento del codice
2026-09-26
Stelle GitHub
29.816
Evidenza verificata
30 set 2026
Metadati verificati
30 set 2026
Stato della verifica
Verificato

Le stelle riguardano l’intero repository e possono includere lavoro non collegato a Jev.

Evidenze e ambito

Documentato registra la documentazione o il codice collegato. JevHunt non ha eseguito né valutato il progetto in modo indipendente.

Commit dell’evidenza: 0957c301ed06c2a5857b834358c7227c739041d4

Scoperto tramite: github-search.

Come verifichiamo →

Suggerisci una correzione · Rivendica questa scheda · Invia un progetto