Jevgrep让Coding Agent少自己找代码：SWE-bench主模型成本降29%

动察 Beating AI 快讯，开发者 David 基于 Jev 开源了一个专门给 Coding Agent 找代码的研究工具 Jevgrep。

用户只要问一句「登录校验写在哪里」，它就会用 TypeSafe 的决策模型 Jev 逐层搜索代码库，找出相关文件和源码片段，再交给 Claude Code、Codex 等 Agent 继续修改和测试。

它主要解决 Coding Agent 很费 token 的「找代码」环节。Jevgrep 不会先把整个仓库塞给模型，也不是只做一次语义搜索。它会先判断哪些目录值得继续找，再检查相关文件和代码声明，最后返回源码片段、行号和后续阅读线索。仓库还提供了 Skill，让 Agent 知道什么时候调用 `jg` 收集上下文。

最新 SWE-bench 实验用了 10 个 Python 任务。使用 Jevgrep 和不用 Jevgrep 都完成了 8 个，但 GPT-5.6 Sol 的总成本从 7.62 美元降到 5.44 美元，减少 28.63%。作者最初在 X 上写的是 40%，仓库随后更新实验结果，目前已经改成「约 30%」。

不过，这个数字只统计 Sol 的费用，没有把 Jev 算进去。实验日志中能够确认的 Jev 调用费用已经至少有 1.57 美元，部分调用缺少完整计费记录，实际总额未知。此外，这组实验只有 10 个任务，而且每题只跑了一次。