Mod Jev para Claude Code: Economia de Tokens e Aceleração no Gerenciamento de Habilidades
Desenvolvedores apresentaram o mod Jev para o Claude Code, que otimiza o uso da janela de contexto da IA ao carregar habilidades sob demanda, acelerando o processamento de requisições em várias vezes.
Surgiu um novo mod para o Claude Code que oferece uma economia significativa de tokens. A principal característica do Jev é que, em vez de carregar todas as habilidades disponíveis imediatamente na janela de contexto do modelo, elas permanecem fora dela até serem efetivamente necessárias.
O Jev analisa as habilidades disponíveis e seleciona a mais adequada para cada solicitação, adicionando-a dinamicamente ao contexto. Isso permite evitar uma carga desnecessária sobre a janela de contexto do assistente de IA.
Resultados dos Testes
A equipe testou a Sugestão de Habilidade do Jev contra diversos modelos do Claude. O experimento incluiu 26 habilidades, 10 prompts e 3 execuções por prompt. Os dados obtidos foram:
- Jev: 90% de precisão, tempo mediano de resposta — 330 ms
- Claude Haiku: 80% de precisão, 1,24 s
- Claude Sonnet / Opus / Fable: 100% de precisão, 2,2–4,5 s
Conclusões
O Jev sacrifica ligeiramente a precisão absoluta (90% vs. 100% nos modelos principais), mas toma decisões 4 a 14 vezes mais rápido. A principal vantagem é que a lista de habilidades não ocupa espaço valioso na janela de contexto, tornando o trabalho com um grande número de ferramentas muito mais eficiente.
Por que isso importa
AnáliseA otimização da janela de contexto é crítica para sistemas agênticos complexos, onde o número de ferramentas disponíveis cresce constantemente. O Jev demonstra como equilibrar velocidade e precisão sem sobrecarregar a IA com dados desnecessários.
Debater na comunidade
Compartilhe suas dúvidas e insights com desenvolvedores
Relacionado no ecossistema
Guias práticos, terminologia essencial e skills de agentes
Jev e System One AI: guia prático completo sobre o modelo de decisão da TypeSafe
Análise técnica aprofundada do modelo principal Jev: arquitetura System One versus LLM, primitivos Choice/Score/Noul, paralelismo de requisições, matemática da confiança, casos de vídeo, código e visão geral de alternativas open-weight locais (Laya, GLiNER2.5, CLM-8B).
Modelo de Decisão Jev
Jev — modelo System 1 comercial não-autorregressivo da TypeSafe AI para decisões tipadas rápidas em ciclos agênticos: retorna um objeto de decisão validado em 70–500 ms e ~$0,042/1M tokens de entrada, eliminando alucinações de sintaxe JSON e roteamento de alta latência em stacks ReAct/Tool Calling.
OpenAI devolve vários gigabytes de RAM no ChatGPT
Uma atualização do aplicativo ChatGPT reduz o consumo de RAM em sessões locais longas: após 32 mil respostas, o uso fica em cerca de 1,7 GB em vez de até 6 GB.
15 prompts para criar agentes no Claude Code
O Claude Code não funciona apenas através do diálogo principal, mas também por meio de subagentes — configurações independentes com seus próprios prompts de sistema, conjuntos limitados de ferramentas e, quando necessário, outros...