Winnow
给工具输出做可召回的筛选
实现思路与验证边界 →JEV GUIDE
搜索“Jev Claude Code 上下文压缩”时,容易遇到两种不同方案:先筛选新工具输出,或整理已经积累的历史。先判断问题发生在何处,再选项目。
Winnow 在工具输出进入上下文前判断内容相关性,保留被隐藏原文以便召回。适合先研究“某一次读取带入太多无关内容”的场景。
它的复现检查应包括:关键代码是否仍可见、隐藏提示是否有用、召回能否找回完整原文。只看显示字符减少多少,会漏掉误删相关信息的问题。
fast-jev-compaction 对旧工具调用和结果分别判断保留、截短或移除,保留的内容不改写;项目还包含 Claude Code hook 集成。它解决的是历史整理环节。
这条路径需要检查调用与结果配对、近期消息和用户约束。还要区分“交给判定模型的状态被裁剪”与“最后输出给助手的消息被改写”,两者不是一回事。
以下比较基于已核对源码的流程设计,不是速度、质量或费用排名。
| 检查项 | Winnow | fast-jev-compaction |
|---|---|---|
| 主要介入位置 | 新的工具输出 | 已积累的工具调用历史 |
| 重点验收 | 保留相关块、恢复隐藏原文 | 保留约束、维护调用与结果配对 |
| 先选的样本 | 一份含相关段落的大文件 | 一段含过期工具结果的合成会话 |
| 共同边界 | 检查误删与调用失败 | 检查误删与调用失败 |
先使用合成数据和模拟判定器,确认安装与恢复机制可用,再开真实 Jev 请求。模拟压缩率只能说明流程跑通,不能证明模型能识别业务相关性。
本站已在独立目录运行 Winnow 的 80 项模拟测试,以及 fast-jev-compaction 的 29 项模拟测试;Winnow 的演示缓存原文恢复一致。尚未运行真实 Jev 调用或完整 Claude Code 工作流,不能给出实际节费比例。
给工具输出做可召回的筛选
实现思路与验证边界 →压缩旧工具记录,保留原文
实现思路与验证边界 →03 / JEV GUIDE
学习 Jev 提示词的任务拆分与题型选择,用原创反馈分流示例区分 Choice、Score、Noul,并设计边界样本。
阅读指南 →04 / JEV GUIDE
了解 Jev MCP 的接入流程、evaluate 工具输入和 API 密钥边界,对比通用判断工具与专项 MCP 项目的使用方式。
阅读指南 →