Jevgrep ช่วยให้ Coding Agent ค้นหาโค้ดด้วยตัวเองน้อยลง: ต้นทุนโมเดลหลักของ SWE-bench ลดลง 29%

动察 Beating ข่าวด่วน AI นักพัฒนา David ได้เปิดโอเพนซอร์ส Jevgrep ซึ่งเป็นเครื่องมือวิจัยสำหรับค้นหาโค้ดโดยเฉพาะสำหรับ Coding Agent บนพื้นฐานของ Jev

ผู้ใช้เพียงถามว่า "การตรวจสอบการเข้าสู่ระบบเขียนไว้ที่ไหน" มันจะใช้โมเดลการตัดสินใจ Jev ของ TypeSafe ค้นหาไลบรารีโค้ดทีละชั้น เพื่อค้นหาไฟล์ที่เกี่ยวข้องและตัวอย่างซอร์สโค้ด จากนั้นส่งต่อให้ Claude Code, Codex และ Agent อื่น ๆ ดำเนินการแก้ไขและทดสอบต่อไป

มันแก้ปัญหาเป็นหลักในขั้นตอน "ค้นหาโค้ด" ของ Coding Agent ที่ใช้โทเคนมาก Jevgrep จะไม่ยัดทั้งรีโพซิทอรีให้โมเดลตั้งแต่แรก และไม่ใช่แค่ทำการค้นหาเชิงความหมายเพียงครั้งเดียว มันจะตัดสินก่อนว่าไดเรกทอรีใดควรค้นหาต่อ จากนั้นตรวจสอบไฟล์ที่เกี่ยวข้องและการประกาศโค้ด สุดท้ายส่งคืนตัวอย่างซอร์สโค้ด หมายเลขบรรทัด และเบาะแสสำหรับอ่านต่อ รีโพซิทอรียังมี Skill ให้ Agent รู้ว่าเมื่อไหร่ควรเรียก `jg` เพื่อรวบรวมบริบท

การทดลอง SWE-bench ล่าสุดใช้ภารกิจ Python 10 ภารกิจ ทั้งการใช้ Jevgrep และไม่ใช้ Jevgrep ทำสำเร็จ 8 ภารกิจเท่ากัน แต่ต้นทุนรวมของ GPT-5.6 Sol ลดลงจาก 7.62 ดอลลาร์เหลือ 5.44 ดอลลาร์ ลดลง 28.63% เดิมผู้เขียนเขียนบน X ว่า 40% ต่อมารีโพซิทอรีอัปเดตผลการทดลอง ปัจจุบันเปลี่ยนเป็น "ประมาณ 30%" แล้ว

อย่างไรก็ตาม ตัวเลขนี้คำนวณเฉพาะค่าใช้จ่ายของ Sol ไม่ได้รวม Jev เข้าไป ในบันทึกการทดลองค่าใช้จ่ายการเรียก Jev ที่ยืนยันได้มีอย่างน้อย 1.57 ดอลลาร์แล้ว การเรียกบางส่วนขาดบันทึกการคิดค่าบริการที่สมบูรณ์ ยอดรวมจริงไม่ทราบ นอกจากนี้ การทดลองกลุ่มนี้มีเพียง 10 ภารกิจ และแต่ละข้อรันเพียงครั้งเดียว