JevHarness — Estruturas escritas por LLM para execução com Jev

Reúne análises fundamentalista, técnica, de notícias e de sentimento com debates entre pesquisadores, um agente negociador e gestão de risco. Com TYPESAFE_API_KEY, Jev remove posts do StockTwits e Reddit sem relação com a empresa e classifica a posição; sem chave, passam sem filtro.

O framework combina raciocínio e uso de ferramentas com gestão de contexto, eventos, memória e controle de permissões. JevClassifierModel incorpora o classificador Jev pelo SDK TypeSafe dentro desse framework de uso geral.

Agentes de planejamento e execução coletam, resumem e registram fontes para reunir os resultados em um relatório com citações. Com TYPESAFE_API_KEY, Jev avalia a utilidade dos trechos para a pergunta antes de enviá-los ao LLM.

A plataforma auto-hospedada cobre estratégias Python, backtests, simulação, execução real e monitoramento. Jev avalia ordem, estratégia, exposição, posições e orçamento, retornando escolhas tipadas e probabilidades para filtrar entradas.

A plataforma auto-hospedada organiza agentes, espaços isolados e quadros de tarefas nos próprios computadores. O README apresenta Jev da TypeSafe como modelo disponível que retorna decisões tipadas com confiança, em vez de texto gerado.

A biblioteca npm e o plugin Claude Code compactam o histórico podando chamadas e resultados de ferramentas. Jev responde perguntas noul separadas sobre chamada e resultado; limiares determinam se o par será mantido, encurtado ou removido.