RAG и поиск

Фреймворк объединяет рассуждения модели и инструменты с управлением контекстом, потоком событий, памятью и разрешениями. JevClassifierModel встраивает классификатор Jev через TypeSafe SDK в этот универсальный фреймворк агентов.

Поиск памяти восстанавливает решения, контекст отладки и историю функций между поддерживаемыми агентами; Markdown остаётся первичным источником. Необязательное ранжирование Jev обращается к удалённому TypeSafe API без загрузки локальной модели ранжирования.

Это многопровайдерный помощник для Linux, Windows и macOS с чатами, агентами, RAG и интеграцией инструментов. Плагин предоставляет jev_evaluate(state, questions) и возвращает результаты Choice, Score или Noul текущей модели.

Проект предоставляет соглашения и инструментацию для трассировки ИИ-приложений, включая модели, поиск и внешние инструменты. Интеграция TypeSafe записывает systemOne как spans с JSON-входами и выходами, моделью и токенами; примеры охватывают Choice, Noul и Score.

RAG-Fusion создаёт варианты запроса и объединяет рейтинги методом Reciprocal Rank Fusion, находя документы, которые может пропустить одна формулировка. Jev служит необязательным переранжировщиком в оценочном конвейере; эксперименты с ним требуют JEV_API_KEY. Исходная демонстрация использует только векторный поиск. Инструменты оценки сравнивают стратегии на NFCorpus; гибридный конвейер сочетает BM25, векторный поиск, слияние и переранжирование.

Hermes Jev Skills предоставляет навыки выбора моделей, поиска, фильтрации памяти, сортировки сообщений и действий в браузере. Jev принимает ограниченные решения: выбирает модель или ранжирует найденные фрагменты; текст пишет основная модель. Навыки работают с Hermes, Claude Code и Codex. Теневой режим записывает решения, не переключая модели.

hippo-memory хранит память агентов в SQLite, отслеживает происхождение и подавляет ошибочные воспоминания по обратной связи. Необязательный переранжировщик Jev сортирует найденные воспоминания и по умолчанию выключен. CLI и MCP позволяют сохранять и извлекать память, общую для разных инструментов программирования.

Distill — терминальная среда программирования с поддержкой Grok, подписок Codex и совместимых с OpenAI моделей. Настройки Jev охватывают уровни моделей, предложения навыков и ранжирование памяти; разрешениями управляет сама среда. Настройте основную, рассуждающую и вспомогательную модели в Model tiers; основная работает в каждой сессии и на каждом шаге.

Инструмент извлекает документы, индексирует их в Qdrant, планирует структуру и исследует каждый раздел по локальной коллекции. Jev оценивает и ранжирует фрагменты и пробелы в свидетельствах; другая LLM планирует, ищет и пишет, а Python управляет повторами.

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

Описание проекта отсутствует.

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.