Compactación de contexto
Decide si el historial antiguo del agente todavía vale la pena conservar.
Las decisiones que toma Jev
En una sola llamada, Jev evalúa cada una de estas — en paralelo, sobre la misma entrada:
¿Sigue siendo útil esta antigua llamada/resultado de herramienta para el trabajo actual del agente?
devuelve una probabilidad calibrada de sí/no.
¿Cómo debería manejarlo la compactación de contexto?
elige una de estas opciones:
keep— conservar el texto completo textualmentetruncate— conservar una referencia corta, descartar el cuerpodrop— eliminarlo por completo
La petición exacta
Este es el payload real detrás de la demo en vivo — cópialo, cambia el state y ya estás construyendo:
{
"model": "jev-latest",
"state": "En una sesión larga de un agente de programación, este paso antiguo sigue en la ventana de contexto:\n\n[tool_call] read_file(\"package.json\")\n[tool_result] { name: \"web\", version: \"0.3.1\", dependencies: { next: \"15.1\", react: \"19\" } }\n\nDesde entonces el agente terminó todo el trabajo de dependencias y ahora está escribiendo pruebas.",
"questions": {
"still_useful": {
"type": "noul",
"instructions": "¿Sigue siendo útil esta antigua llamada/resultado de herramienta para el trabajo actual del agente?"
},
"decision": {
"type": "choice",
"instructions": "¿Cómo debería manejarlo la compactación de contexto?",
"criteria": {
"keep": "conservar el texto completo textualmente",
"truncate": "conservar una referencia corta, descartar el cuerpo",
"drop": "eliminarlo por completo"
}
}
}
}Intégralo en tu código
Lee las respuestas tipadas y ramifica en código plano — sin parseo. Gestiona automáticamente los casos de alta confianza y deriva los inciertos a un modelo más grande o a una persona. Es una sola llamada a la API y la salida es gratis, así que haz todas las preguntas que necesites de una vez.
Construye el tuyo
Cada escenario de arriba es una sola llamada a la API. Prueba cualquiera de ellos gratis en el playground y luego obtén una clave alojada para lanzarlo — sin lista de espera.