RAG und Retrieval

Das Framework verbindet Modellschlussfolgerungen und Werkzeugnutzung mit Kontextverwaltung, Ereignisströmen, Speicher und Berechtigungssteuerung. JevClassifierModel integriert den Jev-Klassifikator über das TypeSafe SDK in dieses allgemeine Agentenframework.

Der durchsuchbare Speicher erschließt frühere Entscheidungen, Debugging-Kontext und Funktionshistorie über unterstützte Agenten hinweg; Markdown bleibt die maßgebliche Quelle. Optionales Jev-Reranking sortiert Suchergebnisse über die entfernte TypeSafe-API ohne Download eines lokalen Reranker-Modells.

Der Assistent für mehrere Anbieter läuft auf Linux, Windows und macOS und umfasst Chat, Agenten, RAG und Werkzeuge. Das Jev-Plugin bietet jev_evaluate(state, questions) und gibt Choice-, Score- oder Noul-Ergebnisse an das aktuelle Modell zurück.

Es liefert Konventionen und Instrumentierung für KI-Anwendungen, einschließlich Modellaufrufen, Retrieval und externen Werkzeugen. Die TypeSafe-Integration erfasst systemOne als Spans mit JSON-Ein-/Ausgaben, Modell und Tokenverbrauch; Beispiele decken Choice, Noul und Score ab.

RAG-Fusion erzeugt Suchvarianten und vereint ihre Ranglisten mit Reciprocal Rank Fusion, um bei einer einzelnen Anfrage übersehene Dokumente zu finden. Jev ist ein optionaler Reranker der Evaluationspipeline; seine Experimente benötigen JEV_API_KEY. Die ursprüngliche Demo verwendet weiterhin ausschließlich Vektorsuche. Die Evaluationswerkzeuge vergleichen Suchverfahren auf NFCorpus. Die hybride Pipeline kombiniert BM25, Vektorsuche, Fusion und Reranking.

Hermes Jev Skills bietet wiederverwendbare Skills für Modellauswahl, Suche, Gedächtnisfilter, Nachrichtentriage und Browseraktionen. Jev trifft begrenzte Entscheidungen wie Modellauswahl oder Passage-Ranking; das Host-Modell schreibt den Text. Die Skills funktionieren mit Hermes, Claude Code und Codex. Der Schattenmodus protokolliert Entscheidungen ohne Modellwechsel.

hippo-memory speichert Agentenerinnerungen in SQLite, dokumentiert ihre Herkunft und unterdrückt falsche Erinnerungen nach Rückmeldung. Der optionale Jev-Reranker sortiert abgerufene Erinnerungen und ist standardmäßig ausgeschaltet. Über CLI oder MCP lassen sich Erinnerungen speichern, abrufen und zwischen Entwicklungswerkzeugen teilen.

Distill ist eine Terminal-Entwicklungsumgebung für Grok, Codex-Abonnements und OpenAI-kompatible Modelle. Jev-Einstellungen betreffen Modellstufen, Skill-Vorschläge und Erinnerungsranking; Berechtigungen kontrolliert weiterhin die Umgebung. Haupt-, Reasoning- und Hilfsmodell in Model tiers konfigurieren; das Hauptmodell arbeitet in jeder Sitzung und jedem Schritt.

Dokumente werden extrahiert, in Qdrant indiziert und anhand einer geplanten Gliederung abschnittsweise untersucht. Jev bewertet und ordnet Fundstellen und erkennt Beleglücken; ein anderes LLM plant, sucht und schreibt, während Python Wiederholungen steuert.

RAGElo is a set of tools that helps you selecting the best RAG-based LLM agents by using an Elo ranker

Jev-Mem: System-One Controlled Agentic Memory

Automatic project memory for Claude Code. Also works with Cursor and Codex.

An AI bot with RAG capability for Topics, Chat & Customer Support in Discourse, currently powered by OpenAI

Keine Projektbeschreibung verfügbar.

Persistent local memory for AI coding agents — Claude Code, Codex CLI, Cursor, any MCP client. Temporal knowledge graph, procedural memory, AST codebase ingest, cross-project analogy. LongMemEval R@5 95.1%, LoCoMo 0.607, BEAM 1M 0.448. 74 MCP tools, 9 IDEs, 100% local.

A library integrating embedding and reranker models from OpenAI, SentenceTransformers etc for semantic search in vector database.

A simple semantic cache implementaion. It caches responses from an LLM based on semantic similarity.

Jev-powered relevance filtering and reranking for RAG in Python.

A standalone local-only Python MCP server that gives any IDE persistent, workspace-isolated memory. works with any IDE supporting MCP servers

The invalidation layer for AI memory. Every fact gets a lease; new evidence ends it. Built on TypeSafe Jev.

Jev-powered conversation memory: find past sessions and revisit decisions with original sources. A macOS workspace for OpenAI Codex. Manage AI conversations and agents, explore code with CodeGraph, and work with Git, Ghostty terminals, and Apple Notes in one app.

Reproducible benchmark for measuring Jev reranking quality, latency, and cost in RAG

Jev-assisted file retrieval and request caching for faster Pi workflows

Coding-agent memory where every fact is a verbatim quote graded by TypeSafe Jev's calibrated confidence. Local-first, SQLite receipts, zero dependencies.