Jev 用法与案例：Browser Use、Agent 工作流

作者在 YouTube 视频里用自微调的开源决策模型 Laya 做工具路由实验，并与 Jev 对比表现。

三位开发者在 MHacks 用 Jev 搭出仿真平台，让运营方测试实体场馆改动如何影响顾客体验，拿下全场第一。

Grok 4.7 幕僚长分析 Hermes 车队模型分工，指出 Jev 跑在 Claude Code 和 Codex 订阅席位上不额外计费。

官方 skill 规定先看文档和行为再写判断，把多个问题合并成一次请求，据称账单降到 1/12.2。

Marc Brooker 用 Qwen3.5-2B 加适配器复刻 Jev 的决策输出，单张 RTX 3090 上中位 115ms、零调用成本，权重与脚本已开源。

Kalmia 用 Typesafe Jev 从数千步 agent 运行日志里挑出关键步骤再交给分析 harness，在真实客户运行中同样找到 bug，成本降 9 倍、速度提 6 倍。

28 秒动画演示 1 协调者 + 6 专家的交易台：代码算价格与硬限额，Jev 只回答窄问题，Grok 管任务交接，人类批签名。

BTC 一分钟 K 线、每 5 分钟一次决策的 Jev bot，16 小时 193 次决策，手续费 57.53 美元是大脑成本的 7000 多倍，112 笔成交中 87 笔波动小于手续费，1000 美元变 937.15。

恶搞短片：Jev 4 秒就完成（网站只有一个 YES 按钮）被取消资格，Opus 想了 50 秒最后 10 秒建完站夺冠。

用 Unsloth + LoRA 在 4GB 显存上把 Qwen3.5 0.8B 微调成决策模型，三个决策基准准确率从 20.7% 提到 74.3%，附 GitHub 与笔记本。

研究者把规划交给 Opus 5.5、把每个分支决策交给 Jev 的类型化调用，声称省 7 倍模型开销、路由决策零 token、杜绝 reward hacking。

一条提示词把 Claude、Codex 和 Jev 串成 Planner→Researcher→Builder 的 agent 操作系统，可直接粘进 Claude 搭建。