Jevgrep Skill 技能

技能简介

Jevgrep 是一款面向编码 Agent 的代码检索技能（CLI + Agent Skill）。它为「不知道该去哪个文件里找」这类场景而生：你只需用一句大白话描述想了解的行为，jg 命令就会在一条 stdout 输出里返回相关文件、阅读线索和逐字源码片段。它借助 Jev 模型在文件夹、文件和声明三层之间判断相关性，再由你的编码 Agent 接手实现与测试。该项目由 dzhng 出品，MIT 开源。

核心能力

• 自然语言定位代码：直接问「遥测事件是在哪里记录并发送的？」「请求进入处理器之前是在哪里校验鉴权的？」，无需记住符号名或路径。
• 一次返回四类信息：摘要在前，随后是文件位置、阅读线索、带行号引用的选中源码，输出即证据。
• 跨层级相关性判断：基于 Jev 模型在文件夹、文件、声明之间逐层探索，跟随有效分支。
• 声明级解析：对 Python 与 TypeScript/JavaScript 支持声明解析，其他文本走回退方案。
• 保留不确定定位：即使无法给出有把握的摘录，也会保留命中的文件位置，不强行凑成固定的 top-2 列表。
• 可选 Agent Skill：附带 SKILL.md，教会 Claude Code、Codex、OpenCode 等编码 Agent 何时调用 jg、如何使用返回上下文、何时用常规工具补齐缺口。

安装配置

1. 全局安装 CLI：npm install -g @dzhng/jevgrep（需 Node.js 22+，macOS 或 Linux）。
2. 完成鉴权：运行 jg auth，选择你的提供方（Vercel AI Gateway、TypeSafe 或 OpenRouter）并保存 Key。
3. 安装 Agent Skill：jg skill（会自动检测你本机安装的编码 Agent 并询问安装位置），或直接用 npx skills add dzhng/jevgrep --skill jevgrep。
4. 升级：npm install -g @dzhng/jevgrep@latest，随后重跑 jg skill 单独更新技能文件。

使用步骤

1. 进入你的项目目录。
2. 用一句话提出你真正想弄清楚的行为问题，例如 jg "数据库连接是如何创建、池化和关闭的？" ./src。
3. 读取返回的摘要、文件位置与源码片段，形成改动方案。
4. 让编码 Agent 基于这些上下文实现并运行测试验证。

适用场景

• 接手陌生仓库，需要快速理解某段行为的实现位置。
• 跨多个未知文件的探索型提问，常规 rg 搜符号已不够用。
• 降低编码 Agent 在无关文件上的上下文消耗。
• 为代码审查、重构前的现状梳理提供有据可查的线索。

适用人群

使用 Claude Code / Codex / OpenCode 等编码 Agent 的开发者，尤其是经常在大型或不熟悉的代码库中工作、希望减少 Agent 无效检索开销的工程师。

工作原理

jg 会遍历仓库层级并跟随符合条件的分支，先用内容预览挑选文件，再定位有用的源码单元与上下文。搜索时会把符合条件的源码内容通过鉴权时选择的提供方发送给 Jev 做相关性判断；默认的文件系统过滤会遵循 ignore 文件，并排除隐藏、依赖/构建、二进制以及明显的凭据文件。官方在十道题的 SWE-bench 复现中测得完整 Sol 成本从 7.62 美元降到 4.52 美元，约降 40%（Jev 成本未计入），解题率 7/10 对基线 8/10——这是一次以质量为代价的成本优化，并非等价或更优的证据。

官方链接

• GitHub 仓库：https://github.com/dzhng/jevgrep
• npm 包：https://www.npmjs.com/package/@dzhng/jevgrep