把 LLM 的任务推理沉淀成可复用代码，而不是让它每一步都重新思考——JevHarness 的工程取舍挺清晰 作者模型生成 Python harness，负责特征、问题、判断流程；运行时由固定代码调用 Jev 做轻量决策。可选 GEPA 反思再利用完整轨迹和奖励迭代，任务适配器则隔离观测、合法动作与评分，避免优化器改写评估规则。适合决策逻辑复杂、又有可靠反馈的任务；代价是要先定义好任务边界，改进效…

Today's Jev ecosystem entry is about who writes the prompts. JevHarness has an LLM author a task-specific decision pipeline once — features, questions, criteria, control flow — then freezes it. After…