A hybrid architecture for putting Jev inside an on-chain terminal
The author explains how the t0xhoodX terminal uses Jev for risk scoring, transaction classification and alert filtering, while an LLM handles conversational explanations.
Jev จาก TypeSafe AI เป็นอะไรที่สุดจัดสำหรับเป็นส่วนหนึ่งของ on-chain terminal มาก ๆ คืองานวิเคราะห์ on-chain มีหลายขั้นที่เป็นตัดสินใจเร็ว มากกว่า เขียนบทความ เช่น ให้คะแนนความเสี่ยง, จัดประเภท tx, กรอง alert จำนวนมากแบบ real-time จัดประเภทธุรกรรม: swap, transfer, mint, liquidate, bridge, MEV ให้คะแนนความเสี่ยงกระเป๋า / คอนแทรกต์ / token เลือกเส้นวิเคราะห์ถัดไป: ดู holder, ดู liquidity, ดู funding, ดู cluster ตรวจว่าข้อมูลพอจะสรุปได้ไหม หรือต้องดึงข้อมูลเพิ่ม guardrail ก่อนโชว์สัญญาณ: น่าสงสัยแค่ไหน, confidence ต่ำให้ escalate, จัดคิว alert จำนวนมากแบบถูกและเร็ว แต่ก็นั้นแหละ AI terminal on-chain ที่คนใช้จริงมักต้องการถาม.... "Why เกิดอะไรขึ้น บล่าๆๆๆๆๆ" Jev ทำสิ่งเหล่านี้ไม่ถนัดครับ เพราะไม่ generate text ไม่มี reasoning แต่มันสุดจัดตรงที่เราใส่กฎโดเมนใน instructions/criteria ทำให้มันไม่ hallucination ไม่ตอบนอก schema เอา state on-chain มาตอบ ดังนั้น architecture ปัจจุบันของ t0xhoodX Terminal (@t0xhoodX) เป็น Full Hybrid มี analytical data plane (SQL / Indexer Layer) และ Jev (@typesafeai) Criteria Matrix & Jev Decision Engine ทำหน้าที่รับ input ตัวเลข -> คำนวณ score -> output เป็น typed decision (PASS, WARN, REJECT, ROUTE)บล่าๆๆๆ - Alpha Discovery - Gems Filtering ส่วน LLM เป็นชั้นสนทนาและเขียนคำอธิบายจากข้อมูลที่ผ่านการกรองแล้วครับ