Plugin

Integra TypeSafe Jev in DeepSeek Harness per selezionare skill e file, supervisionare attività, correggere risultati condivisi, filtrare gli output degli strumenti, assistere nelle approvazioni e navigare tra le fasi registrate. Tutte le funzioni sono disattivate per impostazione predefinita.

Classifica le chiamate ai tool in sospeso con Jev (il modello decisionale non generativo di TypeSafe AI) su tools/pre-execute — le chiamate ad alto rischio ad alta confidenza vengono negate, quelle ambigue escalate all'approvazione — e approva automaticamente le chiamate reversibili chiaramente consentite su approval/request dietro un gating basato sulle prove negli argomenti. Ridefinisce anche il resolver dei riferimenti di sessione, così gli snapshot conservano i messaggi valutati da Jev invece di scartare i più vecchi. Degrada al comportamento standard in caso di errore del provider; modalità shadow con il comando /jev-stats; endpoint TypeSafe o OpenRouter; 64 test.

Plugin dello strato decisionale basato su Jev per DeepSeek Harness

Plugin per DeepSeek Harness che trasforma i giudizi Jev in tre azioni automatiche — potatura dell'output dei tool troppo grande ai segmenti rilevanti per la richiesta, filtraggio delle pagine recuperate in cerca di istruzioni rivolte al modello e scelta della skill adatta al passo successivo — più i tool jev_ask e jev_gate, un registro dei giudizi che sopravvive ai riavvii e un report /jev-status. Richiede una chiave API TypeSafe; senza, resta inerte e non invia nulla.

Inserisce a ogni turno un prefisso di selezione delle skill scelto dal modello JEV locale del workspace jev-decision-kit, così l’agente carica solo quelle skill senza sfogliare il catalogo. Richiede un workspace jev-decision-kit configurato separatamente (Python .venv, host/preface_worker.py, models/jev/head.json); senza di esso non inserisce nulla.

TypeSafe Jev (modello decisionale System One) come tool jev_decide per DeepSeek Harness: le domande di tipo noul, choice e score restituiscono probabilità calibrate; le credenziali riusano il passaggio credenziali di DSH; retry con backoff su 429/529 integrato.

Usa il paradigma del modello decisionale Jev (System One) con qualsiasi LLM compatibile OpenAI — nessuna chiave TypeSafe richiesta. Registra uno strumento jev_decide che restituisce risposte distribuite probabilisticamente a domande tipizzate (choice/score/boolean) in una sola chiamata.

Mostra nella chat DSH i piani scelti da JeV, aggiornamenti e riepiloghi per fase, con traduzione nativa o sintesi leggere. Richiede una chiave JeV; il servizio Jev è chiamato esternamente e può essere a pagamento. Include flussi gerarchici di attività seriali/parallele.

Aggiunge ai prompt a scelta multipla DSH consigli TypeSafe Jev rivolti alle persone. Su richiesta per impostazione predefinita, con richieste automatiche facoltative. Include raccomandazioni, probabilità, confidenza, avvisi sui risultati ravvicinati, suggerimenti copiabili, adozione con un clic, layout delle schede per profilo e preferenze decisionali temporanee. L’anteprima facoltativa maschera credenziali comuni; include controlli locali dello stato ed export diagnostici sanificati.

Valvola di sicurezza pre-esecuzione per DSH: intercetta ogni chiamata bash/pwsh tramite `tools/pre-execute`, applica prima regole statiche offline e poi chiede al modello System One di TypeSafe Jev se il comando cancellerà/sovrascriverà dati reali in modo irreversibile. Esiti: allow/revise/block/escalate; revise invia al modello una riscrittura più sicura, escalate offre un token umano monouso. Credito esaurito o API key mancante produce un errore esplicito, mai silenzioso. Se manca la chiave, la richiede nella conversazione con `guard key set` e la legge da stdin. Ogni verdetto viene aggiunto a un audit log condiviso; testi zh-CN/en.

Pacchetto di preset agent JEV con instradamento dei task guidato da prompt, verifica incrociata e checklist quantitative.

Modalità decisionale JEV facoltativa con letture deterministiche del progetto, selezione semantica circoscritta, controlli di autorizzazione nativi e impostazioni credenziali desktop.

Riduce i costi LLM: un classificatore Jev (System One) valuta ogni turno secondo una policy dichiarativa e consiglia il percorso del modello per il subagente. Le attività di routine usano tariffe flash, le difficili restano al modello principale. Include /route esplicito, controllo runtime delle capacità di delega, occultamento credenziali e replay offline dal registro dei verdetti.

v0.8.6 corregge un crash d’avvio: runtime Host peer opzionale, non dipendenza installata. TypeSafe Jev/System One offre 7 strumenti: `jev_decision` (1–25 verdetti tipizzati paralleli, senza prosa), `jev_choose` (ordina 2–10 opzioni), `jev_batch` (1–20 testi, 1–5 giudizi, una chiamata reale per testo a concorrenza limitata; errori grezzi, senza supposizioni), `jev_usage`, `jev_overview`, `jev_guard_status`, `jev_verify` (26/27 nel benchmark fisso di 27 domande, concorrenza 6). Ledger persistente predefinito: `$DSH_HOME/jev-usage.json`. Remaining=`quota.declaredBalanceUsd` meno spesa locale da `quota.balanceSince`; nessun endpoint saldo, nessun dato inventato. API key mancante: errore esplicito; errori isolati per superficie. Client dopo refresh; server dopo riavvio Host.

Instradamento semantico degli strumenti, individuazione di skill e decisioni System One tipizzate per DeepSeek Harness tramite TypeSafe Jev.

Controlla il browser da un obiettivo in linguaggio naturale: un servizio decisionale sceglie la prossima operazione e il target da una tabella di elementi indicizzata, così una sessione DSH usa una chiamata allo strumento invece di un turno per clic.

Esegue i giudizi Jev (TypeSafe System One) ai gate dell’agent loop DeepSeek Harness: pre-step, pre-execute, post-execute e arresto del turno. Nessuna dipendenza UI; integrabile in qualsiasi composizione Harness.

Pannello di controllo `/JevLoop` per moqi: mostra i gate e l’API key di dsh-jev-loop tramite la seam tuiHost di moqi.

Livello decisionale strutturato per il loop agente DSH: gate per chiamate pericolose, autocontrollo dell’output, limitazione strumenti e protezione dai loop tramite modello di giudizio collegabile.