Einen Codebase-Klassifikator mit Jev erstellen
Ein Entwickler teilt den Bau eines Codebase-Klassifikators mit Jev, der überentwickelten Code von Agenten lösen könnte, und fragt, was als Nächstes getestet werden soll.
Gefilterte Gedächtniskandidaten mit Jev
Kensuke Konno stellt eine Implementierung vor, die abgerufene Gedächtniskandidaten mit Jev filtert, bevor sie an Codex oder Claude Code übergeben werden. Die genannte Reduktion von 62,5 % ist ein berechneter Wert aus der Senkung der Kandidatengrenze von 8 auf 3, keine gemessene Reduktion der Gesamttokens oder Kosten.
〈知見〉Jevで読む記憶を絞る 今野健介氏が、検索済みの記憶候補をJevで選別してCodexやClaude Codeに渡す実装を紹介しました。「62.5%削減」は候補件数の上限を8件から3件に減らした場合の計算値で、総トークンや料金の削減実測ではありません。
· 0 likesOpen on X
More like this
Jev ermöglicht LLM-as-a-Judge mit 20–200x Geschwindigkeit und 40–400x geringeren Kosten
Jev wurde verwendet, um zu bestimmen, welches Modell AGI ist, und bietet 20–200x Geschwindigkeit und 40–400x geringere Kosten, wodurch LLM-as-a-Judge extrem schnell und nahezu kostenlos wird.
Apps testen mit TypeSafe Jev & OpenCode
Filip teilt eine kleine Demo, die zeigt, wie schnell App-Tests mit TypeSafe Jev und OpenCode sein können.
