jevbooks

← 全部项目

pi-jev-context

kevinpita/pi-jev-context

由 TypeSafe Jev 驱动的 Pi 可逆上下文裁剪。

打分与排序89%次选分类: 数据标注与清洗

这是什么

一个可选的 Pi 扩展,从模型请求中过滤较旧的消息,同时保留原始会话历史。它面向运行长会话、希望保留有用上下文而不删除历史的 Pi 用户。

它怎么用 Jev

Jev 判断哪些较旧且符合条件的消息仍然有用。候选包括完整的纯文本工具调用/结果对、助手文本、可读思考以及用户 shell 历史。当保留概率大于阈值(默认 0.8)时,候选会被保留。低分内容会从未来的模型请求中隐藏,而不是被删除。

用到的原语:score

值得抄的做法

对 Jev 相关性判断进行分支感知缓存,因此只重新判断新的或已更改的候选。

怎么试

pi install npm:pi-jev-context,重启 Pi 或运行 /reload,然后 /login typesafe 和 /jev on。

去 GitHub 看

Jev 判的jev-1.13.0

证据

每一行都是就 README 问 Jev 的一道题。≥ 0.60 算「是」,≤ 0.40 算「否」,中间这一段 Jev 不下判断。

  • Jev 是主角0.83
  • 有 System One 用法0.22
  • 处理了不确定性0.06
  • 有实测数据0.05
  • 可直接跑0.99
  • 值得推荐0.31
  • 是模型的复刻0.03
  • 问题普遍性按 0–2 打分1.05
  • 与 Jev 相关0.98

信号由 Jev jev-1.13.0 判定,简介由 DeepSeek V4.1 Flash 于 2026年9月20日 读 README 写成。