Repo context selection
Rank which files are actually relevant to a task before spending context (and tokens) on them.
"Repository retrieval and context selection" is a core coding-agent pattern: an agent shouldn't stuff every candidate file into the model's context — it's slow, expensive, and dilutes attention. Instead, score each retrieved file for how relevant it is to the task and keep only the ones that clear a bar. A Jev score is ideal here because it's a compact, calibrated judgment you can threshold and audit, run over many files in parallel for a fraction of a cent each — so the agent reads the three files that matter, not the thirty the retriever returned.
Experimenta ao vivo
Isto é a coisa real, não uma maqueta. Edita a entrada, carrega em Executar e o Jev devolve cada resposta tipada numa só ida e volta — grátis, sem registo. Agora imagina a mesma chamada disparada sobre milhares de itens em paralelo.
Pick a demo, tweak the input, and hit Run Jev.
As decisões que o Jev toma
Numa só chamada, o Jev avalia cada uma destas — em paralelo, sobre a mesma entrada:
How relevant is this file to completing the task?
pontua-a numa escala ordenada:
- irrelevant
- loosely related
- relevant
- central to the fix
Should this file be included in the agent's working context for this task?
devolve uma probabilidade calibrada de sim/não.
Is this file a likely place the fix will need to be made?
devolve uma probabilidade calibrada de sim/não.
O pedido exato
Este é o payload real por trás da demo ao vivo — copia-o, muda o state e já estás a construir:
{
"model": "jev-latest",
"state": "Task: \"Fix the bug where refunds over the order total are silently accepted.\"\n\nCandidate file surfaced by retrieval: `services/billing/refund.py`\n\nSnippet:\n\n def process_refund(order, amount):\n # TODO: validate against remaining balance\n gateway.refund(order.id, amount)\n record_refund(order, amount)",
"questions": {
"relevance": {
"type": "score",
"instructions": "How relevant is this file to completing the task?",
"criteria": [
"irrelevant",
"loosely related",
"relevant",
"central to the fix"
]
},
"include": {
"type": "noul",
"instructions": "Should this file be included in the agent's working context for this task?"
},
"likely_edit_site": {
"type": "noul",
"instructions": "Is this file a likely place the fix will need to be made?"
}
}
}Integra-o no teu código
Lê as respostas tipadas e ramifica em código simples — sem análise. Trata automaticamente os casos de alta confiança e encaminha os incertos para um modelo maior ou uma pessoa. É uma só chamada à API e a saída é grátis, por isso faz todas as perguntas que precisas de uma vez.
Constrói o teu
Cada cenário acima é uma só chamada à API. Experimenta qualquer um deles grátis no playground e depois obtém uma chave alojada para o lançar em minutos.