JevHarness lets LLMs generate task-specific Jev decision flows
JevHarness lets an LLM generate a task-specific decision flow once and freeze it, raising win rate on a Pokémon task from 25% to 75% over five iterations.
🔥牛逼！让 Jev 自我优化、自己解决复杂问题，不用再手写 instruction、criteria、候选集！ JevHarness：LLM 自动生成任务专属决策流程，冻结后每次只跑代码 + 快速 Jev 判断。有数据还能用轨迹持续进化。宝可梦 5 轮迭代，胜率 25% → 75%。 主要亮点： 🔹LLM 写一次策略，Jev 做高速模糊判断 🔹自动生成特征、问题、判据和动作逻辑 🔹可用奖励 + 全轨迹反射 / GEPA 自我优化 🔹自带 Coding Agent skill，丢仓库地址就能开干 🔹可回放每一步 Jev 选择的对战 Demo 关键操作 1️⃣仓库：https://github.com/TianyuCodings/JevHarness 2️⃣Claude Code 装 skill： /plugin marketplace add https://github.com/TianyuCodings/JevHarness.git /plugin install jev-harness@jevharness 3️⃣对 Agent 说：用 JevHarness skill，按我的任务生成 harness 4️⃣有奖励就开评测 + 迭代；满意后冻结，线上只跑 harness + Jev 5️⃣Demo：https://jev-harness.tianyuchen99.chatgpt.site/ #Jev #JevHarness #AgentHarness #开源 #LLM #决策模型 #宝可梦AI #自我优化
This post quotes another post: “Jev decision model on OpenRouter: 154ms median latency and 98.5% accuracy”