TianyuCodings/JevHarness

解決する課題

JevHarnessは、タスクのあらゆるステップで大規模で推論負荷の高いLLMを使用することに伴う高いレイテンシとコストという課題に対処します。開発者は、反復的でコンテキストに依存する意思決定を、より高速で軽量な判断エンジン（Jev）にオフロードし、複雑な推論ロジックを構造化された「凍結」されたharness内に保持することができます。

仕組み

オーサリングLLMが、Pythonコード、構造化された指示、Jev固有の基準を組み合わせたタスク固有のharnessを生成します。このharnessはタスクの観測結果を特徴量に変換し、それらの特徴量に基づいてJevを使用して高速でファジーな意思決定を行います。harnessが開発および検証されると、それを凍結し、オーサリングLLMから独立して実行できます。このフレームワークは、実行トレースと報酬を使用してharnessを反復的に改善する、リフレクションを通じたオプションの改良をサポートしています。

対象読者

このプロジェクトは、高レベルの推論と低レイテンシで信頼性の高い実行のバランスを取る必要がある、エージェントワークフローを構築する開発者やAIエンジニア向けです。ゲームプレイエージェントや自動ルーティングシステムなど、定義された環境内で反復的かつ迅速な意思決定を必要とするタスクに特に役立ちます。

ハイライト

• ハイブリッド実行： オーサリングLLMの深い推論と、軽量なJev判断呼び出しの速度を組み合わせます。
• 反復的な最適化： 実際の実行トレースに基づいてharnessのパフォーマンスを向上させるための、リフレクションと候補選択（GEPA）のサポートが含まれています。
• Claude Code 統合： エージェントが開発環境内で直接harnessを構築、テスト、改良できるようにするClaude Code用プラグインを提供します。
• 透明性の高いデバッグ： 意思決定記録の検査、進化ツリーの表示、実行トレースの再生を行うツールが含まれており、harnessがどのように特定の行動に至ったかを理解できます。