上下文压缩

判断陈旧的 agent 历史记录是否还值得保留。

运行这个演示 ▶获取 API key →

Jev 做出的决策

在一次调用中，Jev 针对同一份输入并行评估以下每一项：

noulstill_useful

这条旧的工具调用/结果对 agent 当前的工作是否仍然有用?

返回一个已校准的是/否概率。

choicedecision

上下文压缩应该如何处理它?

从这些选项中挑一个：

keep — 逐字保留完整文本
truncate — 保留一段简短引用,丢弃正文
drop — 完全移除

确切的请求

这就是实时演示背后真实的载荷——复制它，改一下 state，你就开始构建了：

{
  "model": "jev-latest",
  "state": "在一次漫长的编码 agent 会话中,这条旧步骤仍留在上下文窗口里:\n\n[tool_call] read_file(\"package.json\")\n[tool_result] { name: \"web\", version: \"0.3.1\", dependencies: { next: \"15.1\", react: \"19\" } }\n\n此后 agent 已完成所有依赖相关的工作,现在正在编写测试。",
  "questions": {
    "still_useful": {
      "type": "noul",
      "instructions": "这条旧的工具调用/结果对 agent 当前的工作是否仍然有用?"
    },
    "decision": {
      "type": "choice",
      "instructions": "上下文压缩应该如何处理它?",
      "criteria": {
        "keep": "逐字保留完整文本",
        "truncate": "保留一段简短引用,丢弃正文",
        "drop": "完全移除"
      }
    }
  }
}

把它接进你的代码

读取类型化的答案，用普通代码分支判断——无需解析。自动处理高置信度的情形，把不确定的路由给更大的模型或人工。这只是一次 API 调用，而且输出免费，所以把你需要的每个问题一次都问了吧。

构建你自己的

上面每个场景都是一次 API 调用。在 playground 里免费试用其中任意一个，然后拿一个托管 key 把它上线——无需 waitlist。

运行这个演示 ▶获取 API key →