Создание классификатора кодовой базы с помощью Jev
Разработчик делится созданием классификатора кодовой базы с помощью Jev, предполагая, что это может решить проблему переусложнённого кода от агентов, и спрашивает, что тестировать дальше.
Управление памятью кодирующего агента с помощью Jev
Автор запускает Jev (примерно 0,3 с за вызов) на каждом сообщении Claude Code, чтобы решить, что запомнить, и сохраняет ключевые решения и ошибки в JEVMEM.md. Это эффективнее, чем использование LLM (около 3 с).
A 10th: deciding what a coding agent should remember. I run Jev on every Claude Code message (decision? bug? replaces an older one?) and save the keepers to JEVMEM.md in the repo. At 0.3s a call that's cheap enough for every message. An LLM would add about 3s each.
· 0 likesOpen on X
More like this
Jev обеспечивает LLM-as-a-Judge в 20–200 раз быстрее и в 40–400 раз дешевле
Jev использовался для выбора модели AGI, обеспечивая в 20–200 раз большую скорость и в 40–400 раз меньшую стоимость, делая LLM-as-a-judge чрезвычайно быстрым и почти бесплатным.
Тестирование приложений с TypeSafe Jev и OpenCode
Filip делится небольшим демо, показывающим скорость тестирования приложений с TypeSafe Jev и OpenCode.
