Plugins

Clasifica las llamadas a herramientas pendientes con Jev (el modelo de decisión no generativo de TypeSafe AI) en tools/pre-execute: las llamadas de alto riesgo con alta confianza se deniegan y las ambiguas se escalan a aprobación; además autoaprueba en approval/request las llamadas reversibles claramente autorizadas tras un filtrado por evidencia de argumentos. También hereda del resolutor de referencias de sesión para que las instantáneas conserven los mensajes puntuados por Jev en lugar de descartar los más antiguos. Se degrada al comportamiento original ante cualquier fallo del proveedor; modo sombra con un comando /jev-stats; endpoints de TypeSafe u OpenRouter; 64 pruebas.

Plugin de capa de decisión basado en Jev para DeepSeek Harness

Plugin de DeepSeek Harness que convierte los juicios de Jev en tres acciones automáticas — podar la salida de herramientas sobredimensionada a los segmentos relevantes para la solicitud, filtrar las páginas obtenidas en busca de instrucciones dirigidas al modelo y elegir qué skill encaja con el siguiente paso — además de las herramientas jev_ask y jev_gate, un libro de juicios que sobrevive a los reinicios y un informe /jev-status. Requiere una clave de API de TypeSafe; sin ella queda inerte y no envía nada.

TypeSafe Jev (modelo de decisión System One) como herramienta jev_decide para DeepSeek Harness: las preguntas noul, choice y score devuelven probabilidades calibradas; las credenciales reutilizan la interfaz de credenciales de DSH; reintento con backoff 429/529 integrado.

Usa el paradigma de modelo de decisión Jev (System One) con cualquier LLM compatible con OpenAI — sin necesidad de clave TypeSafe. Registra una herramienta jev_decide que devuelve respuestas con distribución de probabilidad a preguntas tipadas (choice/score/boolean) en una sola llamada.

TypeSafe Jev (modelo de decisión System One) para DeepSeek Harness, de principio a fin: jev_decision (choice/score/noul, en paralelo, respuestas tipadas + confianza), una tarjeta en Ajustes > Plugins para la API key y los conmutadores, vistas de herramientas en línea que muestran cada decisión en la conversación (respuesta, confianza, latencia, coste), un autoguard (comprobaciones deterministas + de riesgo/bucle con Jev), un panel local /jev y un benchmark de verificación en línea (96,3% en 27 preguntas etiquetadas, mediana ~283 ms en jev-latest, 2026-09-21). Honesto por diseño: solo API real, sin fallback simulado.

Jev (TypeSafe System One) gives the human a second opinion, not the agent. When DSH's model asks you a multiple-choice question, dsh-jev-advisor builds a structured Jev request and floats the recommendation, probability spread and confidence beside the op

A structured decision layer for the DeepSeek Harness agent loop: a danger-call gate, output self-check, tool narrowing, and loop guard backed by a pluggable adjudication model.

A `jev` tool that asks Jev (TypeSafe System One) typed yes/no, choice and score questions about one block of text and returns probabilities and confidence, with the provider and API key configured per user in Settings, a judgment ledger with its spend, and daily call and token caps.

Semantic tool routing, skill discovery, and typed System One decisions for DeepSeek Harness powered by TypeSafe Jev.

Pre-execution safety valve for DSH that judges with TypeSafe Jev: it hooks tools/pre-execute and decides every bash/pwsh call by first applying offline static rules, then by asking the Jev model — the System One model from TypeSafe, which returns a structured decision instead of prose — one yes-no question ("will this command irreversibly delete or overwrite real data?"), turning the answer into allow, revise, block or escalate; revise hands the model a safer rewrite, escalate offers a one-shot human token; exhausted credit or a missing API key degrades loudly instead of failing silent, and a missing key is requested in the conversation itself (`guard key set`, read from stdin); every verdict is appended to a shared audit log and the text people read is bilingual zh-CN/en.