用 Jev 分类模型逐步选择合法 token 编写 C++
作者用 TypeSafe 的 Jev 决策/分类模型做实验：每步只提供语法合法的候选 token，让模型选择，从而生成 C++ 代码。
用Jev进行ANN去重实验：质量提升但成本高昂
Jonathan Ellis分享其基于ANN（近似最近邻）的去重实验，使用Jev对top-k候选进行分类。结果：代码减少约1万行，修复30个由近重复代码引起的微妙bug；但成本不低，API定价约$166，消耗207M Opus tokens和近8B Luna子代理tokens（经mjolnir）。
Results of my ANN-powered deduplication experiment, with top-k candidates classified by Jev. Pro: -10kloc, fixed 30 bugs where one near-duplicate was subtly broken Con: not cheap and not fast. $166 at API pricing for 207M Opus tokens and nearly 8B in Luna subagents (via mjolnir
· 0 次赞在 X 打开
更多类似内容
Jev 用于代码审查
作者认为代码审查是 Jev 的一个很好的应用场景。
基于 Jev 的 PR 分诊工具 Fascin
开发者分享用 Jev 构建的 PR 分诊工具 Fascin，可判断 PR 紧急程度、变更类型和合并就绪度，并指出 Jev 负责实际推理。
