检索与排序
对来自廉价检索步骤的候选做打分或重排。
共有 73 行归在这个模式下，其中 73 行带代码。顺序与目录相同：官方的在前，然后是带代码的，再按星标排。
标有「并非 Jev 本身」或「仅影子运行」的条目照样列出，但它们不是用 Jev 做决策的示例。
-
Cookbook: Classifying RAG passages
给每条召回的段落打分，再由代码决定哪些能进入回答模型 —— 矛盾的标记保留，夹带提示注入的直接丢弃。
-
Cookbook: Line-by-line search
对一份服务条款做语义检索：一次请求用 Choice 给 218 个行号打分，同时用 Noul 判断文档里到底有没有答案。
-
Cookbook: Re-ranking
对 40 个法律检索问题各取 30 条 BM25 候选，按「问题-候选」逐对提问重排，top-1 与 top-10 准确率均大幅提升。
-
AutoGPT TypeSafe blocks
七个生产级 block（choice/score/yes-no/ask-many/route/pick-best/filter），带 UTF-8 字节预算、逐字报文留存和十一个测试文件。
-
OpenViking: retrieval reranking
单次批量请求里对每个候选文档问一个 Noul，直接把「是」的概率当相关性分数。
-
FastMCP jev_search transform
两段式 MCP 工具检索：先用一个宽 Choice 对整个目录粗排，再给候选短名单配完整描述，每个候选各配一个 Noul 判断它到底是否胜任。
-
jcode: memory recall without embeddings
把记忆召回的整套检索栈替换掉 —— 不用 embedding、不用 BM25、不用重排器 —— 改为对每条候选记忆批量问一个 Noul。
-
XERJ
一个本地优先的搜索引擎兼 MCP 服务器，打包为单个 Rust 二进制文件。可选的 `rerank` 阶段对每条靠前结果向 Jev 提一个 `noul`（`document` 是否回答了 state 中的查询？），再按概率重新排序。作者报告 FiQA 上的 nDCG@10 从 0.24 升至 0.36，总共 648 次搜索花费约 0.64 美元。模型撰写机翻
-
LanceDB TypeSafeReranker
向量数据库的重排器：对每条结果问一个 Noul，把「是」的概率当作绝对相关性分数 —— 可以跨查询比较。
-
no-mistakes: Jev review pre-brief, measured and retired
为代码审查预选上下文：每个候选文件问一个 Score —— 测了两次后被移除：计费输入明显增加、耗时几乎没有收益；离线回放还表明，候选列表根本够不到审查发现实际所在的位置。
-
jev-chat-jarvis
一个 Android 回复副驾：从屏幕文本判断意图、时机和风险，OCR 与文案起草交给另外的模型。
-
jevgrep (dzhng)
一个命令行工具和 Agent 技能，用“这段代码做什么”来找代码：`jg "遥测事件是如何记录的？" ./repo` 让 Jev 在目录、文件和声明层面判断相关性，返回相关文件、阅读线索和原文摘录。作者报告在 10 个 SWE-bench 任务上同样解决 8 个，成本约低 30%。模型撰写机翻
-
pg-jev
一个真正的 PostgreSQL 扩展，把三个原语暴露成 SQL 函数 —— 语义判断可以直接写进任意行类型的 WHERE 子句。
-
hippo-memory
受生物启发的智能体记忆：衰减、检索强化与巩固。零运行时依赖，基于 SQLite。机翻
-
jev-mcp
现成的 Agent 判断工具箱：事实核验、内容筛查、语义排序、分类和信息提取，各自独立成工具。
-
jev-search
Jev 驱动的网页搜索：先选时间窗口和最佳查询改写，再分批对结果逐条用 noul 重排。
-
狗头军师 Jev Chat
聊天回复助手（桌面悬浮窗、Android 悬浮助手、iOS 键盘），基于 Jev Android。它根据可见对话或截图向 Jev 询问字面问题、对方意图、危险程度、是否现在回复以及最佳行动，再让 Jev 在起草的回复中挑选。模型撰写机翻
-
vector-graph-rag
把实体和关系作为向量存进 Milvus 的 Graph RAG，无需图数据库。两阶段 Jev 重排先针对查询给每条候选关系提一个 noul，再给排名靠前的关系所指向的段落打分；按作者的测试，在 MuSiQue 和 2Wiki（各 1,000 题）上平均 Recall@5 为 86.61%。模型撰写机翻
-
jev4pg
为 PostgreSQL 提供自然语言 SQL 和 41 个语义算子。过滤、抽取、排序、匹配和核验以有上限的批次交给 Jev，答案须先通过校验；choice 选项需达 0.55、noul 需达 0.8 才算成立。作者报告其准确率为 98%，pg-jev 的请求路径为 92%。模型撰写机翻
-
neo4jev
把 Jev 塞进知识图谱。每走到一个节点，判断下一条最值得走的边，再一路找下去。
-
jev-doc-search
教程：用 Jev 的 `Choice` 在长 PDF 中找到回答问题的那一页。短文档每页一个选项；长文档则沿 PageIndex 树逐层向下，每层对章节标题和摘要做一次小规模 `Choice`，从而避开 255 个选项和 32k token 的上限。模型撰写机翻
-
neurolink
用一套 TypeScript 接口对接多家 AI 供应商，覆盖生成、流式与决策三种推理形态；决策由 TypeSafe Jev 或开源权重的 Laya 返回类型化、经过校准的判断，而非文本。机翻
-
jev-semgrep
按含义 grep 的工具，现名 sys1grep：对每一行，Jev 回答一个 noul，判断这一行是否符合给定含义（例如“网络故障”），再由阈值决定是否匹配。多个含义可用 AND、OR、NOT 组合，可先用正则预筛行，含义和文本可以是不同语言。模型撰写机翻
-
jgrep
以描述为模式的 grep：每一行变成一个 Jev noul，默认概率达到 0.5 即算匹配；并发判断、按输入顺序输出，所以也能用在 tail -f 上。作者在 994 条 Hacker News 标题上测得，一条描述用时 4.6 秒、花费 0.012 美元。模型撰写机翻
-
skillranker
用当前会话上下文给智能体的技能排序以决定下一步，带 Claude Code hook。
-
jev-shell-history
Fish 风格的 zsh 历史自动建议，由 Jev 排序而不是按时间。
-
jegrep
不建索引、不用向量嵌入的代码语义 grep：用 Jev 的 noul 先判断每个路径、再判断读到的段落是否符合你的描述，每个都给出“是”的概率，所以阈值在各批之间可比；结果以行范围返回。作者估计，在几千个文件中做一次典型搜索约花 0.005 美元。模型撰写机翻
-
jevgrep
为不知道符号名的智能体做的代码搜索：把已授权的仓库切成片段，对每个片段用一个 Jev noul 判断它是否回答了你的问题，再返回原样的代码摘录及其路径和行号；可通过命令行或本地 MCP 使用。远程调用默认关闭，需按项目开启。模型撰写机翻
-
warrenduffer
面向印度股票的日内交易机器人，下的是真实订单，没有模拟盘：Jev 分两轮给 Nifty 50 成分股排序，并决定止盈和离场；代码负责每笔仓位、设置止损，并在触及每日亏损上限时停止交易，经 Zerodha Kite 或 Kotak Neo 下单。回放功能可在过去某一天的数据上跑同一套循环。模型撰写机翻
-
jgrep (npm: jevgrep)
按代码的作用来 grep：对每个代码块、diff 块或 CSV 行问一个 Noul，输出带概率的 file:line 命中。--diff 用一条英文规则在 CI 里为 PR 把关（退出码 0 命中 / 1 干净 / 2 出错）；--tests 列出一次 diff 可能影响的测试文件。
-
milvus-model
把 OpenAI、SentenceTransformers 等嵌入与重排模型集成进来的库，用于 Milvus 等向量数据库中的语义检索；Jev 是其中一个可用的重排器。项目自述机翻
-
grev
用提问代替模式匹配的 Unix 过滤工具：`grev 'is a vegan meal' menu.txt` 只保留 Jev 回答“是”的行；配套工具还会用到 choice 的置信度或路径分数。默认固定 jev-1.13.0，因为阈值是按模型版本调的。模型撰写机翻
-
laya-jev-GraphRAG
一个智能体式 GraphRAG 引擎，可切换 System One 决策模型（本地 Laya 或云端 Jev）。机翻
-
jev-reranker
用 Jev 为 Python 的 RAG 做相关性过滤与重排。项目自述机翻
-
hermes-jev
类型化的 System One 决策、排序、校验，以及可选启用的 Hermes 工具闸门。机翻
-
jev-recall
按相关性而非相似度召回：用 Jev 过滤 AI 助手的记忆。项目自述机翻
-
pi-jev-skill-picker
用 Jev 给当前任务的 Pi Agent 技能排序。项目自述机翻
-
Cheshi
由 Jev 驱动的对话记忆：找回过去的会话，并结合原始来源重新审视当时的决策。一个 macOS 工作区。项目自述机翻
-
jev-rag-benchmark
可复现的基准：衡量 Jev 在 RAG 里的重排质量、延迟与成本。项目自述机翻
-
transcript-lens
按含义浏览 YouTube 字幕：土耳其语界面、由 Jev 分析、可导出字幕，并附 Vercel 部署说明。机翻
-
Jev RAG
用 SQLite FTS5/BM25 索引本地文档，再对每个候选文段询问一个 Jev Noul，按返回的相关性概率重排，并可选生成带引用的回答。
-
jevql
给 Postgres 用的语义 SQL，由 Jev 驱动。项目自述机翻
-
oko
通过 MCP 为 Codex、Claude Code 与 OpenCode 做代码检索：直接给出相关源码片段，让智能体少读无关代码。机翻
-
pi-jev
用 Jev 辅助文件检索与请求缓存，让 Pi 工作流更快。项目自述机翻
-
JevGPT: Thinking Fast and Slow in Autonomous Research
论文 arXiv 2610.18272 的研究 Agent。GPT-5.5 规划检索并写出答案；在 BrowseComp-Plus 问答中，对每个被检查的文档区域和每个查询，Jev 回答一个 Choice（在编号的原文行中选出答案所在行）和一个 Noul（该区域是否涉及该查询），在多个文档上并行运行。GPT 拿到的是原文行。机翻
-
jev-rerank-bench
与专用重排模型在 14 个数据集上的独立横评。
-
jev-search-rerank-eval
TypeSafe Jev 重排能否胜过向量检索？在 Agent Skills Hub 目录上做分级相关性评测（9,831 对、164 条中英文查询），并测量了“裁判循环”偏差。项目自述机翻
-
jevsearch
shadcn/ui 的 ⌘K 站内搜索组件：先用本地关键词匹配立即出结果，再把前 20 条一次性发给 Jev（每个候选一个 Noul、一个选出最佳页面的 Choice、一个判断是否有页面能回答的 Noul），据此重排或剔除结果；TypeSafe 变慢或不可用时保留关键词排序。机翻
-
every
对代码库里每一个函数问一个是非问题，几秒内得到排序结果 —— 模式本身是一个问题的 grep。项目自述机翻
-
JevPDF
按语义搜索 PDF：pdf.js 在浏览器里逐页提取文本行，Jev 对每一行回答一个 Noul（“这一行是否回答了查询？”），每批最多 16 行、共享整页文本作为 state；概率不低于 0.55 的行被高亮并按概率排序。只发送文本，API key 由服务端代理持有。机翻
-
jev-skill-gate
用 Jev 把 Claude Code 的技能清单削减约 75%：给每个已安装技能打相关性分，其余隐藏。项目自述机翻
-
jev.nvim
Neovim 插件：向当前缓冲区提问，得到 quickfix 列表。Treesitter 切分函数，Jev 给每个函数打分，概率以虚拟文本显示。项目自述机翻
-
llama-index-jev
由 Jev 驱动的 LlamaIndex 重排器与路由器 —— 类型化的分数与选择，比 LLM-as-judge 便宜。机翻
-
jev-retrieval
语义化的代码与文档检索 CLI：BM25 负责召回，TypeSafe Jev 负责校准后的精确筛选。项目自述机翻
-
pijev
PiJev：Jev 参与循环的终端编码智能体——在第一次调用前由 Jev 给仓库文件排序，并挑选技能。项目自述机翻
-
typesafe-mod
Claude Code 模组：把决策路由给 Jev，逐会话给已安装技能排序。项目自述机翻
-
askgrep
为那些写不成正则的问题而生的 grep：逐个读取每个函数而不是抽样，由 TypeSafe Jev 驱动。项目自述机翻
-
jev-assist
别让昂贵的主模型干「grep 加猜」的粗活 —— 让 Jev 先把整个仓库排一遍序。机翻
-
jev-nlgrep
用自然语言 grep 按含义搜索代码与文本。项目自述机翻
-
jev-reranker
用 Jev 对 JSON 搜索结果做重排、过滤与压缩。项目自述机翻
-
jev-starter
基于 Jev 的类型化、策略驱动决策工作流：置信路由、回退与评测。项目自述机翻
-
clay-jev-people-ranker
面向 Clay 的智能体技能与 Python 工作流：用 TypeSafe Jev 做线索评分、B2B 潜在客户筛选与人物搜索排序。项目自述机翻
-
agent-seek
Agent Seek——为智能体提供精准的网页召回：You.com 负责发现，TypeSafe Jev 负责排序。提供 MCP 与 REST。项目自述机翻
-
jevgrep
按含义 grep：管道传入任意文本，用大白话问一个是非问题，只留下匹配的行。机翻
-
jev-bfs
用 Jev 直接排序来跑维基百科链接竞速，带实时终端显示。项目自述机翻
-
Jevflix
电影推荐器：FAISS 与 BM25 检索把 4,800 部电影缩成短名单，Jev 读出请求里的约束（片长、不要血腥画面）供代码过滤，再由一次覆盖最多 250 个候选的 Jev choice 选出一部影片。没有把握时，由 LLM 权衡前五名或追问一个问题。模型撰写机翻
-
jfind
用自然语言描述来找文件：带语义 --like 条件的 find(1)，由 TypeSafe.ai 的 jev 回答。项目自述机翻
-
typesafe-as-a-judge
给 Codex 与 Claude Code 的非官方社区 MCP 插件，用 Jev 做有界路由。项目自述机翻
-
deepseek-harness-jev (luobosibing2)
DeepSeek Harness 插件，提供 12 项需手动开启的功能，用 Jev 作为判断模型：技能选择和 glob 结果排序（每个候选一个 `noul`）、完成度与目标检查、偏离提醒、插话路由、工具输出和测试日志过滤，以及对单个工作区操作的审批。模型撰写机翻
-
jev-orderby-bench
按 Jev 概率做 ORDER BY 能否给出站得住脚的排序？独立的排序、校准与不变量实测。项目自述机翻
-
jevcrawl
为智能体的问题爬取网站的 MCP 服务器和命令行工具。每个页面发一次 Jev 请求：对每个文本块问一个 `noul`（它是否有助于回答目标问题？），对每个链接问两个（是否直接通向答案页，或通向相关栏目）；最后再用一个 `noul` 判断保留的摘录是否已完整回答问题。模型撰写机翻
-
sift
用 TypeSafe Jev 重排 Google 搜索结果的 Chrome 扩展，并收起销售页面和 SEO 填充内容。项目自述机翻