JevHarness کے ساتھ تیز رفتار، کام کے لیے مخصوص فیصلہ جاتی پائپ لائنز بنائیں

JevHarness کیا کرتا ہے

JevHarness، تحریر تیار کرنے والے LLM کو Jev کے لیے مخصوص کام کا فیصلہ جاتی ہارنس بنانے میں مدد دیتا ہے۔ یہ ہارنس مجاز مشاہدات کو مفید خصوصیات میں تبدیل کرتا ہے، ساخت یافتہ Jev سوالات اور معیارات تیار کرتا ہے، اور جوابات کو قانونی کام کی کارروائیوں میں یکجا کرتا ہے۔

مرکزی خیال یہ ہے کہ مہنگی حکمتِ عملی کی تیاری کو معمول کے نفاذ سے الگ رکھا جائے:

تیاری کے دوران گہرائی سے غور کریں۔ حکمتِ عملی کو منجمد کریں۔ Jev کو تیز رفتار، مبہم فیصلے کرنے دیں۔

تیاری کے دوران LLM ہارنس کے کوڈ، سوالات، گراف، حالت، معیارات اور یادداشت پر نظرِ ثانی کر سکتا ہے۔ ہارنس منتخب اور منجمد کرنے کے بعد، رن ٹائم فیصلے اسی مقررہ منطق اور اس کی Jev کالز کے ذریعے کیے جاتے ہیں۔ تحریر تیار کرنے والے LLM کو ہر کارروائی پر دوبارہ غور کرنے کی ضرورت نہیں رہتی۔

اس سے JevHarness ان کاموں کے لیے موزوں ہو جاتا ہے جہاں کوڈ قابلِ اعتماد حقائق کا حساب لگا سکتا ہے، لیکن کچھ فیصلے اب بھی سیاق و سباق پر منحصر یا مبہم رہتے ہیں۔ مثال کے طور پر، کوڈ قانونی کارروائیوں کا تعین اور عددی خصوصیات کا حساب کر سکتا ہے، جبکہ Jev یہ فیصلہ کرتا ہے کہ دستیاب کارروائیوں میں سے کون سی کام سے متعلق مخصوص معیارات کو بہترین طور پر پورا کرتی ہے۔

فن تعمیر اور ذمہ داری کی حدود

JevHarness قابلِ اعتماد ٹاسک اڈاپٹر کو فیصلہ جاتی ہارنس سے الگ رکھتا ہے۔ یہ حد ہارنس کو اپنا انعام تبدیل کرنے یا کام کی پوشیدہ حالت تک رسائی حاصل کرنے سے روکتی ہے۔

• ٹاسک اڈاپٹر: مشاہدات، قانونی کارروائیوں، ضمنی اثرات اور اسکورنگ کا ذمہ دار ہے۔
• ہارنس: خصوصیات کی تیاری، Jev کے فیصلوں اور فیصلہ جاتی منطق کا ذمہ دار ہے۔
• ماحول: کارروائیاں انجام دیتا ہے اور قابلِ اعتماد نتائج یا انعامات واپس کرتا ہے۔
• تحریر تیار کرنے والا LLM: تیاری اور اختیاری عکاسی کے دوران ہارنس بناتا یا اس پر نظرِ ثانی کرتا ہے۔

تصدیق شدہ PipelineSpec کو PipelineRuntime کے ذریعے چلایا جاتا ہے۔ منتخب کیے جانے کے بعد پائپ لائن کو اس کی specification، runtime، evaluator اور اعلان کردہ ٹاسک وسائل کے ساتھ منجمد کیا جا سکتا ہے۔

اہم خصوصیات

ساخت یافتہ Jev فیصلے

Jev، choice، score اور noul جواب کی اقسام کو سپورٹ کرتا ہے۔ ایک درخواست میں متعدد نامزد سوالات شامل ہو سکتے ہیں، اور آزاد گراف نوڈز بیک وقت چل سکتے ہیں۔

واضح حکمتِ عملی کی نمائندگی

حکمتِ عملی کو کوڈ، حساب شدہ خصوصیات، حالت، ہدایات، معیارات، یادداشت اور کنٹرول فلو میں محفوظ رکھا جاتا ہے۔ اس سے فیصلہ سازی کا عمل قابلِ معائنہ اور دوبارہ قابلِ استعمال بنتا ہے، بجائے اس کے کہ وہ تحریر تیار کرنے والی گفتگو کے اندر پوشیدہ رہے۔

مکمل نفاذی ٹریسز

عکاسی کو منتخب اقساط کے مکمل ریکارڈز موصول ہو سکتے ہیں، جن میں مشاہدات، فیصلے، نوڈ کے ان پٹس اور آؤٹ پٹس، Jev کے سوالات اور جوابات، یادداشت اور ناکامیاں شامل ہیں۔ معلومات کے نقصان کے بغیر نقلوں کو ختم کرنے سے تکرار کم ہوتی ہے۔ اگر عکاسی کا ان پٹ مقررہ بائٹ حد سے تجاوز کرے تو اسے خاموشی سے مختصر کرنے کے بجائے محفوظ کر کے مسترد کر دیا جاتا ہے۔

اختیاری انعام پر مبنی بہتری

اختیاری GEPA انضمام instance frontier سے والدین منتخب کرتا ہے، ہر والدین اور تجویز کا اسی training batch پر موازنہ کرتا ہے، اور قبول شدہ تجاویز کا Eval پر جائزہ لیتا ہے۔ یہ حقیقی نسب ریکارڈ کرتا ہے، جس میں مسترد شدہ تجاویز بھی شامل ہیں۔

قابلِ معائنہ منجمد نمونے

منجمد کرنے سے منتخب ہارنس اور اس کے اعلان کردہ انحصارات محفوظ رہتے ہیں۔ Jev نوڈز پر مشتمل منجمد ہارنس کو رن ٹائم پر اب بھی Jev درکار ہوتا ہے۔ یہ بھی ذہن میں رکھیں کہ hosted model alias مستقبل میں provider کے غیر تبدیل شدہ رویے کی ضمانت نہیں دیتا، اس لیے محفوظ شدہ جوابات اور تازہ کالز قابلِ تکرار نتائج کی مختلف سطحیں فراہم کرتی ہیں۔

ضروریات

جن چیزوں کو آپ چلانا چاہتے ہیں، ان کے مطابق ضروریات منتخب کریں:

• محفوظ شدہ ویب سائٹ: Node.js اور جدید براؤزر۔ اس کے لیے model credentials، game engine یا Python sandbox درکار نہیں۔
• Python project: Python 3.11 یا اس کے بعد کا ورژن۔
• Functional Python nodes: macOS کا معاون native sandbox۔ اگر isolation دستیاب نہ ہو تو نفاذ ناکام ہو جاتا ہے۔
• Version 2 expression and Jev flows: یہ functional Python workers شروع نہیں کرتے۔
• Live Jev calls: معاون provider account اور متعلقہ API key۔
• اختیاری تحریر اور عکاسی: مقامی Claude CLI، OpenAI، Azure یا Anthropic endpoint استعمال کرنے والا تشکیل شدہ Proposer۔

Claude Code میں Skill انسٹال کریں

Claude Code کی تیز ترین ترتیب یہ ہے کہ repository کو plugin marketplace کے طور پر شامل کریں، plugin انسٹال کریں اور plugins دوبارہ لوڈ کریں۔

/plugin marketplace add https://github.com/TianyuCodings/JevHarness.git
/plugin install jev-harness@jevharness
/reload-plugins

Plugin انسٹال کرنے سے skill اور اس کے references ڈاؤن لوڈ ہو جاتے ہیں، لیکن Python dependencies انسٹال نہیں ہوتیں اور model credentials تشکیل نہیں پاتے۔ اگر repository نجی ہو تو GitHub authentication پہلے سے کام کرنی چاہیے اور آپ کے اکاؤنٹ کو read access حاصل ہونا چاہیے۔

Codex میں Skill انسٹال کریں

ایسے Codex host میں جو built-in skill-installer فراہم کرتا ہو، repository سے براہِ راست انسٹالیشن کی درخواست کریں:

$skill-installer Install the jev-harness skill from https://github.com/TianyuCodings/JevHarness/tree/main/skills/jev-harness

Skill کو اگلی باری میں استعمال کریں۔ اگر Codex اسے فوراً دریافت نہ کرے تو session دوبارہ شروع کریں۔

دستی انسٹالیشن

آپ Claude Code، Codex یا دونوں کے لیے skill دستی طور پر انسٹال کر سکتے ہیں۔ /path/to/your-project کو کسی موجودہ project directory سے تبدیل کریں۔

git clone https://github.com/TianyuCodings/JevHarness.git
cd JevHarness
python3 scripts/install-skill.py --target both --scope project --project /path/to/your-project

اس سے Codex کے لیے .agents/skills/jev-harness/ اور Claude Code کے لیے .claude/skills/jev-harness/ میں project-level installations بنیں گی۔ صرف ایک کو انسٹال کرنے کے لیے --target codex یا --target claude استعمال کریں۔

تمام projects میں دستیاب user-level installation کے لیے چلائیں:

python3 scripts/install-skill.py --target both --scope user

ذاتی تنصیب کے مقامات ~/.agents/skills/jev-harness/ اور ~/.claude/skills/jev-harness/ ہیں۔ انسٹالر کسی مختلف موجودہ تنصیب کو اوور رائٹ کرنے سے انکار کرتا ہے۔ اگر اسکل دریافت نہ ہو تو ایجنٹ سیشن دوبارہ شروع کریں۔

محفوظ شدہ Pokémon مثال دیکھیں

شامل کردہ Pokémon مثال میں ایک محفوظ شدہ رن، منتخب ہارنس، قابلِ براؤز ارتقائی درخت، مکمل فیصلہ ریکارڈز، مسترد کردہ تجاویز، اور Jev کے جوابات کے ساتھ ہم وقت کیے گئے ری پلے ہائی لائٹس شامل ہیں۔ اس محفوظ شدہ ریکارڈ کو براؤز کرنے سے ماڈل کی کوئی درخواست نہیں کی جاتی اور کوئی گیم شروع نہیں ہوتی۔

1. ریپوزٹری کلون کریں۔
2. ویب سائٹ بنائیں۔
3. مقامی پری ویو سرور شروع کریں۔
4. سائٹ کو جدید براؤزر میں کھولیں۔

git clone https://github.com/TianyuCodings/JevHarness.git
cd JevHarness
node website/build.mjs
node website/preview.mjs --port 8768

localhost:8768 کھولیں۔ جنگ کی اینیمیشنز آفیشل Pokémon Showdown رینڈرر سے اثاثے ڈاؤن لوڈ کرتی ہیں۔ محفوظ شدہ جنگی لاگ براؤزر میں رہتا ہے اور ری پلے سرور پر اپ لوڈ نہیں ہوتا۔

رپورٹ کردہ Pokémon نتیجے میں پانچ reflection راؤنڈز کے بعد Eval جیت کی شرح 25 فیصد، یعنی 12 میں سے 3 گیمز، سے بڑھ کر 75 فیصد، یعنی 12 میں سے 9 گیمز، ہو گئی۔ تلاش نے تیسرے راؤنڈ کے امیدوار کو بہترین ہارنس کے طور پر برقرار رکھا۔ یہ پیمائش selection Eval سیٹ پر کی گئی تھی اور اسے غیر دیکھی گیمز پر کارکردگی کا آزادانہ تخمینہ نہیں سمجھنا چاہیے۔

ایک بنیادی فیصلے کو سمجھیں

ہارنس ایک کام سے مخصوص Jev درخواست لکھتا ہے جس میں state، نام دیے گئے questions، جواب کی type، اور دستیاب اقدامات کو جانچنے کے لیے استعمال ہونے والی instructions اور criteria شامل ہوتے ہیں۔

ریکارڈ شدہ Pokémon مثال میں، ہارنس حساب لگاتا ہے کہ Gastrodon کے خلاف نقصان کی دوڑ میں Slowbro کے ہارنے کا امکان ہے۔ یہ چار قانونی اختیارات پیش کرتا ہے، جن میں تین چالیں اور Scizor کو تبدیل کرنا شامل ہے۔ ایکشن کا سوال choice قسم استعمال کرتا ہے اور Jev سے بالکل ایک درج شدہ ایکشن ID واپس کرنے کا تقاضا کرتا ہے۔

{
  "questions": {
    "action": {
      "type": "choice",
      "instructions": "ایسا واحد ایکشن منتخب کریں جس سے صرف اس ٹرن ہی نہیں بلکہ پوری جنگ جیتنے کا سب سے زیادہ امکان ہو۔",
      "criteria": {
        "switch:2": "Scizor پر تبدیل ہونا؛ تبدیل ہونے سے حریف کو ایک مفت حملہ ملتا ہے",
        "move:2": "Psychic؛ ہدف کو ناک آؤٹ کرنے کے لیے تقریباً 3 ہٹ درکار ہیں",
        "move:3": "Ice Beam؛ ہدف کو ناک آؤٹ کرنے کے لیے تقریباً 4 ہٹ درکار ہیں",
        "move:4": "Slack Off؛ متوقع آنے والا نقصان موجودہ HP سے زیادہ ہے"
      }
    }
  }
}

Jev نے switch:2 کو 0.72 کے ایکشن انتخاب کے امکان کے ساتھ منتخب کیا، اور ہارنس نے اس انتخاب کو قبول کر لیا۔ یہ قدر درج شدہ اقدامات کا باہمی موازنہ کرتی ہے؛ یہ پیش گوئی نہیں کہ کھلاڑی کے پاس جنگ جیتنے کا 72 فیصد امکان ہے۔

مکمل ریکارڈ شدہ درخواست، جواب، وقت اور ماخذ کی معلومات Pokémon turn-12 JSON ریکارڈ میں دستیاب ہیں۔

اپنا ہارنس بنائیں

آپ کو Jev کی تمام ہدایات اور معیار خود لکھنے کی ضرورت نہیں۔ نصب شدہ اسکل چلائیں اور کام کی وضاحت کریں، پھر کوڈنگ ایجنٹ کو مطلوبہ کنٹریکٹ کی تفصیلات جمع کرنے دیں۔

Claude Code پلگ اِن چلانا

/jev-harness:jev-harness ایسا ہارنس بنائیں جو سپورٹ ٹکٹس کو درست ٹیم تک پہنچائے۔
پہلے میرے ان پٹس، قانونی اقدامات، مثالوں، کامیابی کے معیار اور بجٹ کی وضاحت کریں۔
اگر ہمارے پاس قابلِ اعتماد انعامات ہوں تو تشخیص اور reflection optimization شامل کریں۔

Standalone Claude Code چلانا

/jev-harness ایسا ہارنس بنائیں جو سپورٹ ٹکٹس کو درست ٹیم تک پہنچائے۔
پہلے میرے ان پٹس، قانونی اقدامات، مثالوں، کامیابی کے معیار اور بجٹ کی وضاحت کریں۔
اگر ہمارے پاس قابلِ اعتماد انعامات ہوں تو تشخیص اور reflection optimization شامل کریں۔

Codex چلانا

$jev-harness ایسا ہارنس بنائیں جو سپورٹ ٹکٹس کو درست ٹیم تک پہنچائے۔
پہلے میرے ان پٹس، قانونی اقدامات، مثالوں، کامیابی کے معیار اور بجٹ کی وضاحت کریں۔
اگر ہمارے پاس قابلِ اعتماد انعامات ہوں تو تشخیص اور reflection optimization شامل کریں۔

اسکل کو پہلے کام کی وضاحت کرنی چاہیے، نہ کہ فوراً پائپ لائن تیار کرنی چاہیے۔ توقع رکھیں کہ یہ درج ذیل معلومات جمع کرے گا:

• کام کے مشاہدات اور پوشیدہ اسٹیٹ کی حدود۔
• قانونی اقدامات اور اقدامات کی توثیق کا طریقہ۔
• نمائندہ مثالیں اور دستیاب ڈیٹا۔
• کامیابی کے معیار، انعامات یا تشخیصی طریقہ کار۔
• رن ٹائم اور آئسولیشن کے تقاضے۔
• اسناد اور فراہم کنندہ کی دستیابی۔
• تجربے کا بجٹ اور optimization وسائل۔

جب کنٹریکٹ واضح ہو جائے تو ایجنٹ ہارنس بنا کر اس کی توثیق کر سکتا ہے۔ اگر قابلِ اعتماد فیڈبیک موجود ہو اور آپ optimization کی درخواست کریں تو منتخب نتیجے کو حتمی بنانے سے پہلے یہ reflection کے لیے trajectories اور rewards استعمال کر سکتا ہے۔

Jev اسناد ترتیب دیں

JevHarness دو دستاویزی Jev ٹرانسپورٹ کنفیگریشنز کو سپورٹ کرتا ہے:

• Vercel AI Gateway: JevClient(transport="vercel") بنائیں اور AI_GATEWAY_API_KEY مقرر کریں۔
• براہِ راست TypeSafe: JevClient(transport="typesafe") بنائیں اور TYPESAFE_API_KEY مقرر کریں۔

فراہم کنندہ کے اڈاپٹر اس بات کی ضمانت نہیں دیتے کہ ہر ماڈل یا اینڈ پوائنٹ آپ کے اکاؤنٹ کے لیے دستیاب ہوگا۔ اسناد کو environment variables یا نظر انداز کی جانے والی مقامی .env فائل میں محفوظ کریں۔ اسناد کو کبھی بھی کام کے مشاہدات، traces یا منجمد artifacts میں شامل نہ کریں۔

ہارنس کی تشخیص اور بہتری

Reflection اختیاری ہے۔ اسے صرف اس وقت استعمال کریں جب آپ کے پاس قابلِ اعتماد انعام یا تشخیصی طریقہ موجود ہو۔ ایک عملی ورک فلو یہ ہے:

1. کام کی حدود متعین کریں۔ مخفی حالت، اسکورنگ، قانونی کارروائی کی توثیق، اور ضمنی اثرات کو قابلِ اعتماد اڈاپٹر میں رکھیں۔
2. بنیادی ہارنس بنائیں۔ کوڈ میں قابلِ اعتماد فیچرز کا حساب کریں اور سیاق و سباق پر منحصر فیصلوں کے لیے Jev مخصوص رکھیں۔
3. پائپ لائن کی توثیق کریں۔ تصدیق کریں کہ PipelineSpec اور رن ٹائم کام کے معاہدے پر پورا اترتے ہیں۔
4. مکمل ٹریسز جمع کریں۔ مشاہدات، نوڈ اِن پٹس، آؤٹ پٹس، سوالات، جوابات، میموری، ناکامیاں، اور انعامات محفوظ رکھیں۔
5. ترمیمات تجویز کریں۔ مصنف LLM کو شواہد کا جائزہ لینے اور کوڈ، پرامپٹس، گراف کے ڈھانچے، یا میموری میں ترمیم کرنے دیں۔
6. منصفانہ موازنہ کریں۔ ایک ہی تربیتی بیچ پر پیرنٹ اور تجویز کا موازنہ کریں۔
7. منظور شدہ تجاویز کا جائزہ لیں۔ مکمل Eval جائزہ چلائیں اور مسترد شدہ تجاویز سمیت امیدوار کے حقیقی نسب کو برقرار رکھیں۔
8. منتخب ہارنس کو منجمد کریں۔ کامیاب تصریح کو اس کے رن ٹائم، ایویلیویٹر، اور اعلان کردہ کام کے وسائل کے ساتھ منسلک کریں۔

تربیتی شواہد اور Eval کے انتخابی نتائج کو واضح طور پر الگ رکھیں۔ اگر Eval کسی امیدوار کے انتخاب کے لیے استعمال ہو، تو اسے غیر جانبدارانہ طور پر نامعلوم کام کی کارکردگی کا اندازہ قرار دینے کے بجائے انتخابی کارکردگی کے طور پر رپورٹ کریں۔

تاخیر اور ہم وقتی عمل

محفوظ شدہ Pokémon Eval رن میں منتخب ہارنس نے مکمل فیصلے کو 568 ملی سیکنڈ کے میڈین میں مکمل کیا۔ انفرادی Jev درخواستوں کا میڈین دورانیہ 269 ملی سیکنڈ تھا۔ ابتدائی ہارنس کے مکمل فیصلے کا میڈین وقت 678 ملی سیکنڈ تھا۔

• ابتدائی ہارنس کا مکمل فیصلہ: 678 ms میڈین، 1,495 ms P95، 238 فیصلے۔
• منتخب ہارنس کا مکمل فیصلہ: 568 ms میڈین، 657 ms P95، 113 فیصلے۔
• منتخب ہارنس کی انفرادی Jev درخواست: 269 ms میڈین، 348 ms P95، 226 درخواستیں۔

مکمل فیصلے کا وقت فیچر کا حساب، متوازی Jev کالز، اور حتمی کارروائی کے انتخاب پر مشتمل ہے۔ انفرادی درخواست کا وقت کلائنٹ اور نیٹ ورک کے اضافی وقت پر مشتمل ہے۔ متوازی کالز کے دورانیے ایک دوسرے پر اثرانداز ہوتے ہیں، اس لیے انہیں جمع نہیں کرنا چاہیے۔ جنگ کی سیمولیشن اور مصنفانہ یا عکسی وقت ان فیصلہ جاتی پیمائشوں سے باہر ہیں۔

ان محفوظ شدہ مشاہدات میں مقامی رسپانس کیش کے ہِٹس شامل نہیں تھے، تاہم یہ ہر رن ٹائم فیصلہ کرنے والے LLM کے خلاف کنٹرول شدہ بینچ مارک بھی نہیں تھے۔

اعلیٰ درجے کے نکات

فیصلہ طلب کرنے سے پہلے حقائق کا حساب کریں

قانونی کارروائیوں، عددی تخمینوں، حدوں، اور اخذ شدہ حالت جیسے حقائق کے لیے متعین کوڈ یا ایکسپریشنز استعمال کریں۔ Jev کو مرکوز حالت اور باقی مبہم انتخاب کے لیے واضح معیار فراہم کریں۔

کارروائی کے معیار کو ٹھوس بنائیں

ہر دستیاب کارروائی کو کام سے متعلق شواہد کے ذریعے بیان کریں۔ Pokémon ہارنس میں معیار میں باقی ماندہ صحت، نقصان کے تخمینے، رفتار، ناک آؤٹ کے لیے درکار باریوں، اور سوئچ کرنے پر مفت حملہ گنوانے کی لاگت شامل ہے۔

جہاں حقیقی آزادی ہو وہاں متوازی نوڈز استعمال کریں

آزاد گراف نوڈز بیک وقت چل سکتے ہیں، اور متعدد سوالات ایک ہی درخواست کا اشتراک کر سکتے ہیں۔ کام کی ضرورت کے بغیر انحصارات پیدا کیے، گراف کو اس طرح ترتیب دیں کہ اس صلاحیت سے فائدہ اٹھایا جا سکے۔

امکانات کا درست معائنہ کریں

انتخاب کا امکان درخواست میں فراہم کردہ اختیارات کی درجہ بندی کرتا ہے۔ اسے مجموعی کام کی کامیابی کے کیلیبریٹڈ امکان کے طور پر دوبارہ نہ سمجھیں، جب تک کہ آپ کا ایویلیویٹر الگ سے اس معنی کو ثابت نہ کرے۔

مکمل ناکامیاں محفوظ رکھیں

ناکامیاں غلط مفروضوں، غائب مشاہدات، اور کمزور معیار کو ظاہر کر سکتی ہیں۔ انہیں کامیاب فیصلوں کے ساتھ ٹریسز میں برقرار رکھیں تاکہ عکاسی کو مکمل شواہد حاصل ہوں۔

خاموشی سے مختصر کرنے سے گریز کریں

عکاسی کی بائٹ حد حقیقت پسندانہ رکھیں۔ JevHarness عکاسی کے حد سے بڑے اِن پٹس کو مختصر کرنے کے بجائے محفوظ کر کے مسترد کرتا ہے، جس سے شواہد کی سالمیت محفوظ رہتی ہے، لیکن تجربات کے حجم کی مناسب منصوبہ بندی ضروری ہو جاتی ہے۔

منجمد منطق اور منجمد فراہم کنندہ کے رویے میں فرق کریں

ہارنس کو منجمد کرنے سے آپ کی منتخب پائپ لائن اور اعلان کردہ وسائل مقرر ہو جاتے ہیں، لیکن ہوسٹڈ ماڈل کا عرف وقت کے ساتھ تبدیل ہو سکتا ہے۔ جب درست تاریخی معائنہ اہم ہو تو ریکارڈ شدہ جوابات محفوظ رکھیں، اور تازہ فراہم کنندہ کالز کو تولید پذیری کی مختلف شرط سمجھیں۔

ریپوزٹری کا نقشہ استعمال کریں

• auto_jev/ میں تصریح کی توثیق، متوازی رن ٹائم، Jev ٹرانسپورٹس، عکاسی، GEPA، اسٹوریج، اور منجمد کرنے کا کوڈ موجود ہے۔
• examples/pokemon/ میں قابلِ اعتماد جنگی اڈاپٹر، بیج شدہ مقامی انجن برج، ہارنسز، اور پریزنٹیشن کوڈ موجود ہے۔
• examples/pokemon/sample/ میں منتخب ہارنس اور مرتب شدہ ویب سائٹ آرکائیو موجود ہے۔
• docs/ میں کام کی تصنیف کا مواد، ریکارڈ شدہ Jev کال، ویڈیوز، اور اسکرین شاٹس موجود ہیں۔
• skills/jev-harness/ میں کام کے لیے مخصوص ہارنس بنانے والے کوڈنگ ایجنٹس کے لیے ہدایات موجود ہیں۔
• website/ میں صرف مطالعے کے لیے مظاہرہ اور تعیناتی اڈاپٹر موجود ہے۔

نتیجہ

JevHarness، LLM کی تیار کردہ حکمتِ عملی کو واضح اور قابلِ معائنہ رن ٹائم منطق میں تبدیل کرتا ہے۔ کام کی سخت حدود متعین کر کے آغاز کریں، اسکل کو پائپ لائن بنانے اور اس کی توثیق کرنے دیں، اور اگر آپ عکاسی پر مبنی بہتری چاہتے ہیں تو مکمل ٹریسز اور قابلِ اعتماد انعامات استعمال کریں۔ امیدوار منتخب ہونے کے بعد اسے منجمد کریں تاکہ معمول کے فیصلے اس کے کوڈ اور مرکوز Jev فیصلوں سے کیے جا سکیں، ہر کارروائی کے لیے مصنف LLM کو طلب کرنے کی ضرورت نہ رہے۔