DeepDoc: pesquisa local com verificação de evidências Jev

O assistente Android lê conversas visíveis por acessibilidade e OCR local, exibindo análise e sugestões em uma janela sobreposta. Jev avalia intenção e opções de resposta; um modelo generativo redige três candidatos e Jev os ordena.

O fluxo produz objetivos de aprendizagem, matemática, planejamento visual e cenas Manim, depois revisa o resultado renderizado. Jev avalia artefatos e auditorias textuais de Astra com Score, Noul e Choice; não recebe imagens.

O bot substitui ordens limitadas post-only por bloco Monad e transmite eventos do livro, ordens e execuções ao painel. Com MODEL=jev e TYPESAFE_AI_API_KEY, Jev escolhe compra ou venda; o modelo mock padrão usa uma heurística de momentum.

O assistente multiprovedor roda em Linux, Windows e macOS e oferece chat, agentes, RAG e integração de ferramentas. O plugin expõe jev_evaluate(state, questions), devolvendo resultados Choice, Score ou Noul ao modelo atual.

ollaya baixa modelos abertos de decisão pelo nome e processa perguntas tipadas em um serviço local. O projeto independente implementa endpoints compatíveis com TypeSafe para clientes Jev existentes. Use a CLI, o aplicativo desktop ou o servidor MCP; Modelfiles agrupam conjuntos reutilizáveis de perguntas.

Shapeshift transforma texto em eventos, listas, temporizadores, divisão de contas e outras interfaces específicas. Jev opcional classifica intenção e sinais; o código calcula datas e valores. A classificação offline por palavras-chave é padrão. Digite no app Bun, escolha e salve o cartão; uma chave TypeSafe no servidor ativa Jev.