jevgrep ищет нужный код по описанию того, что он делает

Главная задача jevgrep довольно узкая: сократить время и затраты coding agent на первоначальное изучение незнакомого репозитория. Например, вместо поиска конкретной функции можно спросить, где проверяется авторизация перед обработчиком запроса или какие тесты отвечают за повторные попытки после тайм-аута.
Команда jg проходит по структуре проекта, отбирает потенциально подходящие файлы, а затем возвращает найденные пути, фрагменты исходного кода и ссылки на строки. Для оценки релевантности используется Jev от TypeSafe AI. Это не обычная генеративная модель: Jev рассчитан на быстрые решения с заранее определенными вариантами ответа и вероятностями. В данном случае он помогает определить, какие каталоги, файлы и объявления стоит изучать дальше.
Это отличает jevgrep от обычного grep или ripgrep. Если имя символа или фрагмент текста уже известны, разработчик прямо рекомендует пользоваться обычным поиском. jevgrep рассчитан на другую ситуацию: известно, что делает нужный код, но неизвестно, как он называется и где находится.

Фото: dzhng

Проект уже доступен как пакет @dzhng/jevgrep, а версия в репозитории на момент проверки имеет номер 0.4.4. Нужен Node.js 22 или новее. Официально заявлена работа в macOS и Linux, Windows в перечне поддерживаемых ОС сейчас отсутствует. Для запросов требуется ключ Vercel AI Gateway, TypeSafe, OpenRouter или OpenCode Zen. Отдельно устанавливать Python, Bun или ripgrep для использования готовой CLI не нужно.
Есть еще одно ограничение, которое имеет смысл учитывать до запуска на рабочем коде. Для поиска подходящие фрагменты исходников отправляются Jev через выбранного провайдера. Программа исключает скрытые каталоги, зависимости, сборочные файлы, бинарные данные и очевидные файлы с учетными данными, но разработчик прямо предупреждает: полной гарантии удаления конфиденциальной информации такой фильтр не дает.
Авторы также провели собственное сравнение на десяти подобранных задачах SWE-bench. С jevgrep и без него агент решил одинаковые 8 из 10 задач, а суммарные расходы в последнем прогоне, уже с учетом стоимости Jev, снизились с 7,62 до 5,66 доллара, или на 25,8%. Это результат небольшого авторского теста, а не доказательство аналогичной экономии на любом проекте: использовались десять Python-задач, один набор настроек и GPT-5.6 Sol со средним уровнем рассуждений.

Фото: dzhng

Практический смысл jevgrep именно в этом первом этапе работы агента. Он не пишет исправление и не заменяет обычные инструменты разработчика. Его задача заканчивается там, где агент получил несколько обоснованных точек входа в незнакомую кодовую базу. Для больших репозиториев это может сократить количество файлов, которые более дорогой генеративной модели приходится самостоятельно просматривать.
Отдельной версии для России у проекта нет. Это открытый CLI под лицензией MIT, распространяемый через npm, а возможность реального использования зависит от доступности выбранного API-провайдера. Разработчики не заявляют отдельные российские условия или сроки запуска.