jgrep 为日志和代码管道引入语义过滤

jgrep 把自然语言描述的过滤条件接入日志和代码处理管道。它支持的输入格式包括逐行日志、JSONL（JSON Lines）、CSV 和代码差异 diff，并为每个输入项返回一个匹配概率。语义筛选不再依赖固定正则或字段名，而是让开发者直接用自然语言表达“想要什么”。

除了逐条处理，jgrep 支持持续流输入和上下文保留，这意味着它可以接入实时日志流或长生命周期进程，在有上下文依赖的过滤场景中保留前后信息。工具也设置了预算限制，避免无限调用产生不可控的费用。

在接入外部模型前，开发者可以先离线估算调用成本。这一设计让语义过滤的成本在进入生产管道前更可预期。同时，如果不想把敏感数据发送给外部模型，可以用受控网关或实验性本地模型处理数据，从而降低数据外发风险。

但需要明确的是，如果连接外部模型，日志和代码内容会被发送给服务端。对于包含用户行为、内部代码片段或审计信息的日志，这会带来隐私和合规问题。因此是否使用外部模型、用怎样的网关策略，需要在数据敏感度与响应质量之间权衡。

从工程角度看，持续流和上下文支持暗示 jgrep 可能适用于实时管道，但具体吞吐和延迟仍需进一步验证。目前公开信息未说明安装方式、许可证、本地模型类型或匹配概率的计算细节，这些会影响实际选型。对需要语义筛选又关注数据边界的团队，jgrep 提供了一个值得评估的切入点。