RAG और पुनर्प्राप्ति

यह मॉडल के तर्क और टूल उपयोग को संदर्भ प्रबंधन, इवेंट स्ट्रीमिंग, मेमोरी और अनुमति नियंत्रण से जोड़ता है। JevClassifierModel, TypeSafe SDK के माध्यम से इस सामान्य एजेंट फ्रेमवर्क में Jev क्लासिफ़ायर उपलब्ध कराता है।

खोज योग्य मेमोरी समर्थित एजेंटों में पुराने निर्णय, डीबगिंग संदर्भ और फ़ीचर इतिहास लौटाती है; Markdown मूल स्रोत रहता है। वैकल्पिक Jev रैंकिंग दूरस्थ TypeSafe API से परिणामों का क्रम बदलती है, बिना स्थानीय रैंकिंग मॉडल डाउनलोड किए।

यह Linux, Windows और macOS का बहु-प्रदाता सहायक है, जिसमें चैट, एजेंट, RAG और टूल एकीकरण हैं। Jev प्लगइन jev_evaluate(state, questions) देता है और Choice, Score या Noul परिणाम वर्तमान मॉडल को लौटाता है।

यह AI ऐप की ट्रेसिंग के नियम और इंस्ट्रूमेंटेशन देता है, जिसमें मॉडल कॉल, पुनर्प्राप्ति और बाहरी टूल शामिल हैं। TypeSafe एकीकरण systemOne को JSON इनपुट-आउटपुट, मॉडल और टोकन उपयोग वाले span में रिकॉर्ड करता है; उदाहरण Choice, Noul और Score दिखाते हैं।

RAG-Fusion प्रश्न के कई रूप बनाकर Reciprocal Rank Fusion से खोज क्रम जोड़ता है, ताकि एक प्रश्न से छूटने वाले दस्तावेज़ मिल सकें। Jev मूल्यांकन प्रक्रिया में वैकल्पिक पुनःक्रमण मॉडल है; उसके प्रयोगों के लिए JEV_API_KEY चाहिए। मूल डेमो केवल वेक्टर खोज करता है। मूल्यांकन उपकरण NFCorpus पर रणनीतियाँ तुलना करता है; हाइब्रिड प्रक्रिया BM25, वेक्टर खोज, फ्यूज़न और पुनःक्रमण जोड़ती है।

Hermes Jev Skills मॉडल चयन, खोज, मेमोरी फ़िल्टरिंग, संदेश वर्गीकरण और ब्राउज़र कार्रवाइयों के पुनःप्रयोग योग्य स्किल देता है। Jev मॉडल चुनने या मिले अंशों को क्रम देने जैसे सीमित निर्णय लेता है; मुख्य मॉडल पाठ लिखता है। स्किल Hermes, Claude Code और Codex के साथ चलते हैं। शैडो मोड मॉडल बदले बिना निर्णय दर्ज करता है।

hippo-memory SQLite में एजेंट की यादें रखता है, स्रोत दर्ज करता है और प्रतिक्रिया से गलत यादें दबाता है। वैकल्पिक Jev पुनःक्रमण सुविधा मिली यादों को क्रम देती है और डिफ़ॉल्ट रूप से बंद है। एजेंट CLI या MCP से यादें सहेज और खोज सकते हैं, कई कोडिंग टूल में साझा करके।

Distill टर्मिनल कोडिंग ढाँचा है, जो Grok, Codex सदस्यताओं और OpenAI-संगत मॉडल को सपोर्ट करता है। Jev सेटिंग मॉडल स्तर, स्किल सुझाव और मेमोरी रैंकिंग सँभालती हैं; अनुमति का निर्णय ढाँचे के पास रहता है। Model tiers में मुख्य, तर्क और सहायक मॉडल चुनें; मुख्य मॉडल हर सत्र और चरण में चलता है।

यह दस्तावेज़ निकालकर Qdrant में इंडेक्स करता है, रूपरेखा बनाता है और स्थानीय संग्रह से हर खंड पर शोध करता है। Jev अंशों का मूल्यांकन और क्रम बदलकर साक्ष्य की कमी आँकता है; अलग LLM योजना, प्रश्न और लेखन करता है, Python पुनःप्रयास नियंत्रित करता है।

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

प्रोजेक्ट का विवरण उपलब्ध नहीं है।

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.