把”找代码”这件事外包给专用小模型，jevgrep 三天破千星

如果你的 Claude Code / Codex 在改 bug 之前要花 80% 的 token “找代码”，那这个项目可能会让你兴奋一下。

jevgrep 是个仅 5 天的开源项目（GitHub dzhng/jevgrep），它在 3 天内冲到了 1000+ stars。核心思路一句话：用一条 CLI 命令，让智能体按”这段代码做什么”提问，而不是按关键字 grep。

它具体解决什么问题

传统的工作流是这样的：agent 接任务 → 跑 grep → 打开几十个文件 → 烧 80k token → 然后才动手改。grep 是关键字搜索，但代码是”语义密集、字面稀疏”的——一个支付逻辑藏在 Cart::recomputeTotals()、Blade 模板、JS 行项 helper、MySQL 存储过程里，没有一个文件长成”payment”的字面样子。

jevgrep 用 Jev 模型（Vercel AI Gateway 上的 relevance 模型）走完整个检索：先扫仓库目录树、再看内容预览、再跟分支剪枝，最后返回文件路径 + 行号 + 源文片段 + 调用位置。一次 stdout 给你，agent 拿到的不是一段摘要，而是”可点开看的证据”。

实测数字

• SWE-bench 10 题：jevgrep 和基线都解出 8/10，持平通过率；
• 成本：单看 Sol 跑的那一轮，总费用从 $7.62 降到 $5.44，-28.6%；AlphaSignal 复测看到最高 -40%；
• 覆盖：Python / TypeScript / JavaScript 有声明级 AST 解析，其它文本走 fallback；
• 速度：因为是查询时跑、不是预建索引——不需 Milvus、不需 Docker、不需跑 embedding。

为什么比 claude-context / Serena 更轻

claude-context、code-graph-rag 那一派做的是”语义代码搜索 MCP“，需要先 vectorize 整个 repo；Serena 走 LSP。jevgrep 走的是”小模型 + 按需派发”路线——你的代码只在被问时才送给 Jev，不持久化任何索引。代价是每次查询都要付一点点模型钱，收益是零运维、零冷启动、随用随走。

怎么用

• npm install -g @dzhng/jevgrep
• jg auth（配 Vercel AI Gateway / OpenRouter / OpenCode Zen 任一 provider 的 key）
• jg skill（自动检测 Claude Code / Codex / OpenCode 并安装 SKILL.md）
• jg "How are database connections created, pooled, and closed?" ./src

装上 skill 之后，你的 agent 在面对”我不懂这段代码在哪”的任务时，会自动调用 jg 而不是死磕 grep。

它不适合谁

你早就知道文件名、想精确搜一个符号 → rg 还是更快更便宜。代码不能出 repo（合规/机密）也不能用——Jev 会看到你选中的源文件片段。

一个五天的小项目，单点突破到”agent 找代码这件事本来就该外包给专用小模型“，思路比功能更值得抄。

GitHub: dzhng/jevgrep · npm: @dzhng/jevgrep

GitHub: https://github.com/dzhng/jevgrep