RAG e recupero

Unisce ragionamento del modello e strumenti con gestione del contesto, flussi di eventi, memoria e controllo delle autorizzazioni. JevClassifierModel integra il classificatore Jev tramite l'SDK TypeSafe in questo framework generalista.

La memoria ricercabile recupera decisioni, contesto di debug e cronologia delle funzioni tra agenti supportati; Markdown resta la fonte primaria. Il riordino Jev facoltativo usa l'API remota TypeSafe senza scaricare un modello locale di ranking.

L'assistente multiprovider per Linux, Windows e macOS offre chat, agenti, RAG e integrazioni di strumenti. Il plugin espone jev_evaluate(state, questions) e restituisce risultati Choice, Score o Noul al modello corrente.

Fornisce convenzioni e strumentazione per tracciare applicazioni IA, incluse chiamate ai modelli, recupero e strumenti esterni. L'integrazione TypeSafe registra systemOne come span con input/output JSON, modello e token; gli esempi coprono Choice, Noul e Score.

RAG-Fusion genera varianti della query e unisce le classifiche con Reciprocal Rank Fusion per trovare documenti che una sola formulazione può perdere. Jev è un riordinatore facoltativo nella valutazione; i suoi esperimenti richiedono JEV_API_KEY. La demo originale usa ancora solo la ricerca vettoriale. Il banco di valutazione confronta strategie su NFCorpus; la configurazione ibrida combina BM25, ricerca vettoriale, fusione e riordino.

Hermes Jev Skills offre abilità per scelta dei modelli, ricerca, filtraggio della memoria, smistamento e azioni nel browser. Jev prende decisioni circoscritte, come scegliere modelli o ordinare passaggi recuperati; il modello principale scrive il testo. Le abilità funzionano con Hermes, Claude Code e Codex. La modalità ombra registra decisioni senza cambiare modello.

hippo-memory conserva ricordi in SQLite, ne traccia l’origine e sopprime quelli errati in base al feedback. Il riordinatore Jev facoltativo ordina i ricordi recuperati ed è disattivato per impostazione predefinita. Gli agenti memorizzano e richiamano informazioni tramite CLI o MCP, condividendole fra strumenti di programmazione.

Distill è un ambiente di programmazione nel terminale per Grok, abbonamenti Codex e modelli compatibili OpenAI. I controlli Jev coprono livelli di modello, suggerimenti di abilità e memoria; i permessi restano all’ambiente. Configura modelli principale, di ragionamento e ausiliario in Model tiers; il principale opera in ogni sessione e passaggio.

Estrae documenti, li indicizza in Qdrant, pianifica una scaletta e ricerca ogni sezione nella raccolta locale. Jev valuta e riordina frammenti e lacune; un altro LLM pianifica, interroga e scrive, mentre Python gestisce i tentativi.

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

Descrizione del progetto non disponibile.

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.