Jev 用法与案例：Browser Use、Agent 工作流

把审查者与构建者隔离，僵局时由 Jev 做决策，Jev 不写代码只做选择，避免模型自评自过。

让 Jev 只做过滤无效路径、选 provider、选四步动作、复查过期决策，Opus 专注推理写码，决策可记录可回放。

Scout 筛选、Analyst 立论、Quant 回测、Risk 一票否决、PM 汇总，Jev 只做最终决策；第一天风控就否掉了 Jev 的第一笔交易。

300 个 agent 分头跑 18 轮，每轮用 choice→score→noul 过滤，5400 次运行只保留 16 条，目标分 0.93。

作者用自建情绪数据集测 Julia-1，并呼吁做 agent harness 的人实验 System One（如 Jev）与 System Two 模型混合，称分类器能解决大量问题。

一个开源技能合集，把 Jev 与编码、记忆、子 agent 路由、LLM 服务等技能打包，一次安装即可用。

Jev 创始人给出方案：每次命令执行前用一次类型化调用判断是否破坏性、是否碰密钥、是否越界，再决定放行、询问或拦截。

作者演示 24/7 agent 工作台，把 yes/no 类决策交给 Jev，把生成交给前沿模型，成本从每天 600 美元压到约 25 美元。

Opus 负责研究并生成候选，Jev 在循环里做重复决策，宿主验证后再继续，扫描 X、GitHub、PDF 与一手来源，减少上下文浪费。

某交易 bot 上线 Agent 功能，4 套策略支持模拟盘与实盘，Jev 参与决策环，最多同时运行 3 个 agent。

前 OpenAI 研究员、Jev 创始人 Diogo 在访谈中讲 RLHF 瓶颈、Jev 三大原语与生产流水线，含时间戳导航。

社区项目把 jev_choice、jev_score、jev_noul 等封装成 SQLite 函数，让 SQL 查询能按语义筛选和判断记录。