作者介绍了将 Minara 与 Jev 两个 AI 工具组合搭建金融交易智能体的完整流程。Minara 提供行情数据、Funding、OI、Smart Money、回测和执行等一体化金融基础设施，Jev 负责实时判断做多、做空或等待。工作流为：实时数据 → Jev 判断 → Minara 回测验证 → 风险过滤 → 执行。作者用 100U 本金在 7 天内跑出 174% 收益，强调 Jev 提出判断、Minara 验证策略是否有 Edge 的互补机制，展示了完整 AI Trader 的雏形，并计划后续分享搭建方法与配置。
文章介绍了如何将决策模型Jev嵌入现有Agent工作流：将任务拆分为四部分——开放式生成交给LLM，决策判断交给Jev，确定性规则用代码处理，有后果的授权交由人工。作者讲解了Jev的三种问题类型（Choice、Score、Noul）及适用场景，并以晨间简报为例演示如何构建一个保存交接任务的路由器，从Demo逐步演进为可长期运行的完整工作流，还总结了模型路由、工具调用审查、上下文筛选等11类决策层可接入的位置。
作者针对'AI Agent会不会杀死SaaS'这一争议问题，使用Apodex投研工具进行了系统分析。Apodex先拆解任务，研究Salesforce、ServiceNow、Workday等公司，分析seat-based模式、AI收入及Agent与SaaS的关系。核心结论是：Agent绕过的是人机界面，但依赖数据、权限、工作流和system of record。AI Agent会压缩浅层SaaS的席位和界面定价权，但增强掌握企业数据轨道的平台。AI收入是真实增量但尚未完全验证。短期是AI增强SaaS确认期，中期转向seat+usage+workflow混合模式，长期SaaS将演变为'轨道+Agent市场'。
