开源 sj 工具：AI 筛选代码搜索结果，编码 Agent 省 54% Token

一位开发者基于 MinishLab 的语义代码检索工具 Semble 与 Jev 筛选服务，构建了一款名为 sj 的命令行工具，旨在降低编码 Agent 的上下文消耗。其工作流程分为两步：先由 Semble 在本地按语义和关键词检索代码，多召回候选片段；再由 Jev 判断哪些片段值得交给主模型，过滤低相关内容。CLI 内部完成检索与筛选后，Agent 直接获得选中的源码、文件路径和行号；被过滤的片段也会保留位置信息，便于后续按需补读。实测中，针对一次凭证脱敏相关查询，完整 JSON 输出的 Token 数从 2,853 降至 1,306，减少约 54%。该工具以 CLI 加 skill 的形式封装，可直接供 Codex、Claude Code 等编码 Agent 调用；默认将候选代码发送至 Jev API 筛选，若仅需本地检索可添加 –local 参数。项目已在 GitHub 开源，README 附有测试结果与费用说明，作者邀请开发者用自有项目验证效果，并欢迎反馈搜索遗漏或误筛关键代码的案例。

事件分析

核心观点：Agent 竞争正从拼模型转向拼上下文效率，谁能在喂给模型前过滤噪音，谁就握住成本与效果的关键杠杆。