n8n-nodes-jev-dual-engine

Nó de comunidade oficial para n8n implementando a arquitetura Sandwich Neuro-Simbólica do Jev Dual-Engine:

• System 1 (Jev Reasoner - sub-30ms): Triagem lógica imediata, detecção de intenção, contenção de riscos, deduções analíticas e plano de execução estruturado passo a passo.
• System 2 (LLM Translator): Síntese em linguagem natural e código com fidelidade estrita ao plano do Jev (suporta Google Gemini, DeepInfra, OpenRouter, OpenAI ou Ollama local).

⚡ O que o nó faz?

Diferente de chamar uma LLM pura (que muitas vezes alucina ou dá voltas), o Jev Dual-Engine:

1. Pensa antes de falar: O Jev calcula a dedução lógica central, restrições e passos numerados em milissegundos.
2. Controla o modelo: A LLM atua estritamente como tradutora e sintetizadora do plano do Jev.
3. Entrega Pensamentos Estruturados (thoughts): Retorna no JSON os passos detalhados, o domínio técnico, a intenção detectada e a latência de cada camada para observabilidade total.

📦 Instalação no n8n

Método 1: Pelo Painel do n8n (Recomendado após publicação)

1. No seu n8n, acesse Settings > Community Nodes.
2. Clique em Install a community node.
3. No campo Enter npm package name, digite:

   n8n-nodes-jev-dual-engine
   

4. Marque a caixa de aceite e clique em Install.

Método 2: Instalação Manual via Docker / CLI

Se você roda o n8n via Docker ou self-hosted:

# No diretório de dados do seu n8n (~/.n8n)
npm install n8n-nodes-jev-dual-engine

🚀 Como Publicar este Nó no npm (Passo a Passo)

Para disponibilizar o pacote publicamente para qualquer usuário do n8n instalar:

1. Pré-requisitos

• Ter uma conta gratuita criada em npmjs.com.
• Node.js versão 18+ ou 20+ instalada no seu terminal.

2. Compilar o Pacote

No terminal, dentro da pasta packages/n8n-nodes-jev-dual-engine:

cd packages/n8n-nodes-jev-dual-engine
npm install
npm run build

Isso vai compilar os arquivos TypeScript para a pasta dist/ e copiar os ícones SVG.

3. Fazer Login no npm

npm login

O terminal solicitará seu username, password e um código enviado por e-mail (2FA).

4. Testar o Pacote (Dry Run)

Para conferir o que será empacotado sem enviar nada ainda:

npm pack --dry-run

5. Publicar Oficialmente

npm publish --access public

Dica: Se o nome n8n-nodes-jev-dual-engine já estiver em uso por outra pessoa no npm, você pode renomear no seu package.json para usar o seu escopo de usuário, por exemplo:
@seu-usuario/n8n-nodes-jev-dual-engine
E publicar normalmente com npm publish --access public.

⚙️ Configuração das Credenciais no n8n

1. Jev System 1 API

• Modo do Jev:
  • Emulador Local (Sem Chave - Imediato): Roda 100% no próprio n8n sem depender de rede externa (latência sub-30ms).
  • TypeSafe AI Oficial: Requer apiKey da TypeSafe.
  • OpenRouter: Para invocar Jev via roteador.

2. LLM System 2 API

• Provedor:
  • Google Gemini: Insira sua chave gratuita de aistudio.google.com.
  • DeepInfra: Para Llama 3.1 70B, Qwen 2.5 ou DeepSeek V3.
  • OpenRouter: Para dezenas de modelos de terceiros.
  • Custom Endpoint: Para Ollama local (http://localhost:11434/v1) ou gateways internos.

📊 Estrutura de Saída do Nó

Ao executar o nó em um workflow, você recebe:

{
  "response": "Código ou resposta final gerada...",
  "model": "gemini-2.5-flash",
  "provider": "gemini",
  "latency_total_ms": 520,
  "thoughts": {
    "intent": "code_engineering",
    "intent_confidence": 0.97,
    "risk_assessment": "false",
    "complexity_score": 4,
    "complexity_label": "Alta (Raciocínio Profundo)",
    "domain": "TypeScript",
    "core_deduction": "Problema requer implementação em TypeScript com tipagem estrita...",
    "constraints": [
      "Tipagem estrita sem o uso de any desnecessário",
      "Código autocontido e pronto para execução",
      "Tratamento preventivo de edge cases"
    ],
    "execution_steps": [
      "1. Definir os tipos, interfaces e contratos de dados essenciais",
      "2. Implementar a lógica central com validação de entrada",
      "3. Adicionar controle de erros e tratamento de exceções",
      "4. Apresentar exemplo de consumo funcional"
    ],
    "latency_s1_ms": 18,
    "latency_s2_ms": 502
  },
  "usage": {
    "prompt_tokens": 210,
    "completion_tokens": 340,
    "total_tokens": 550
  }
}

📝 Licença

MIT © Jev AI Team