类型化答案仍需要适配层
JevLLM 使用契约构造器和规范化器，并非让 Jev 自由生成投资报告；是否放弃判断仍由调用层决定。
查看对应来源 ↗代码仓库分析
ai-hedge-fund
一个教育用途的 AI 对冲基金原型，其中可选 Jev 适配器把结构化判断接到基金决策流程。
E2 · 资料已核对已检查公开资料或源码证据；仅有固定提交链接并经对应源码核对，才可称固定版本核验。不代表本站运行过、认可性能或保证安全。
- Stars
- 63,699
- Forks
- 11,169
- 协议
- MIT
- 最近提交
- 2026-09-22
Jev 在这里做什么
把策略问题转为 System One 请求，再把原生答案转换成项目统一的结果格式。
在同一研究流程里选择使用 Jev 或其他模型后端。
作者明确当前是教育研究原型、并不实际交易；不能称“官方 Jev 适配器”“零幻觉”或宣传盈利能力。本站未回测。
这个项目适合解决什么任务？
研究对冲基金实验如何把聊天模型换成原生类型化决策后端。
资料分析日期：
从输入到动作
- 按策略构造状态与问题。
- JevLLM 发出原生请求并验证返回值。
- 将答案和提供商元信息转换成既有 JSON 客户端契约。
实现中值得检查的地方
缓存身份包含决策契约
cache_key 对 agent、完整 Jev 请求及契约版本做哈希；问题含义变化时，不能只凭可见提示词复用答案。
查看对应来源 ↗选择建议
适合研究不同决策后端，不应把类型正确视为策略盈利或交易安全的证明。
如何自行检查
连读 JevLLM.cache_key 和 complete，并核对 README 明示的“不实际交易”，再评估任何交易宣传。
结论的适用边界
- 本站未回测、运行基金或实盘交易。
- 暂态故障重试会影响端到端耗时。