Instant Context Compaction
这是 tamara 公开的项目资料。本站按原始来源展示项目信息，用中文说明适用场景和阅读边界；项目名、源帖与代码保持原样，便于逐项核对。
这条案例记录了什么
场景
Agent 评估、安全与权限门禁
为已记录的输出或轨迹提供分类、分数或复核信号。
证据
社区公开项目或作者演示
原始来源：Original X post。尚未独立核实。
时间与作者
tamara
记录日期：2026-09-17。日期与身份应以原始资料为准。
原始演示视频
视频来自此案例记录的原始媒体；播放内容和作者声明不等于本站复现。
怎样核对这个项目
- 先打开原始来源，确认作者、日期与 Jev 在项目中的具体用途。
- 如果提供仓库，再检查代码、运行要求和许可证；仓库存在不代表本站已经运行成功。
- 对速度、成本、准确率和规模数字，查看原文的任务、环境和计算口径。
- 是否有可观察的正确答案。
- 评估输入是否完整。
- 分数与人工复核的一致性。
- 高风险动作是否单独授权。
原始文字与技术细节
以下内容保留原语言，供核对事实。中文页的场景说明是阅读提示，不是逐句翻译或实测结论。
展开英文项目摘要与原帖
项目摘要
Long-running coding agents accumulate tool results and history. Jev can judge the relevance of each item against the current task, while ordinary code applies keep, review, and recovery rules.
来源原文
found the perfect use case for @typesafeai Jev: instant compaction in 2026, why is compaction still a summarization prompt? Jev can make it instant by scoring every tool call and dropping what’s irrelevant
原记录的限制
- This record is based on a community demonstration, not an independent benchmark.
- Removing the wrong context can silently degrade an agent's next action.
- Summarization, storage, deletion, and restoration are performed by the language model or surrounding code, not Jev.