Jev 用法与案例：Browser Use、Agent 工作流

作者把单 agent 拆成三层团队：Grok Bot 执行、Jev 负责任务路由与下一步决策、Dots 核查关键结论，加上人工审批边界，最终压缩成一份晨间简报，实现「睡觉时 agent 团队继续跑」。

Jev 发布一周，jev-trader、jev-trade、beebots、QuantDinger、ai-hedge-fund 都用它逐 tick 输出多空或观望。

作者实测 145 个自定义技能：Opus 5 找对工具要 30 秒，Jev 5 秒命中且错选减半，于是把路由骨干换成 Jev，初始化降到亚秒级、API 成本降 78%。

AutoScientists 让 System One 模型按自身置信度选择低/中/高推理深度，Decision Index 4B 分数从 38.38 升到 46.24。

作者让 OpenAI、Anthropic 与 TypeSafe 的 agent 分工，Jev 负责否决旧点子、批准新点子，一夜上线一个 App，但只有他妈一个用户。

作者描述爬虫抓新币数据、Jev 做「真人不真人、dev 钱包干不干净、买不买」的是非判断、Grok bot 执行下单，声称三晚把 100 美元做到 9940 美元。

作者在 MotherDuck 里用 prompt_jev() 跑了 agent 日志、HN 评论、销售通话、招聘信息、正则解析五类真实数据，附代码与数据集。

作者拆解一套 10 步流程：项目经理拆目标，Jev 当决策层派活，研究/写作/SEO Bot 接力，产出验证后才发布，并附架构与提示词。

把这段提示词贴进 Claude Code、Codex 或 Cursor，agent 会读项目、找出耗时耗 token 的地方并自行安装 Jev，六步一次搞定。

Armature 上线 agent.reviews，10 万+ 条由 agent 真实任务后写出的工具评测，规模化调用 Jev 并叠加确定性校验。

开源 MIT 插件，在技能排序、agent 监督、工具输出准入、审批升级等环节插入 TypeSafe Jev 判断，主模型照常规划调用工具。

作者实测两周，把技能路由、复杂度打分、评审分流等小决策交给 TypeSafe Jev 等决策模型，且默认关闭、需用户显式开启。