Jev 用法与案例：Browser Use、Agent 工作流

前 Google 工程师在真实 agent 里跑 Jev，实测比 Opus 快 10 倍、便宜 146 倍，但准确率并非总是最优，需要推理的场景仍得用传统 LLM。

演示用 Jev 在实时通话中对来电者说的话做即时判断，把客户咨询路由到正确分支，展示决策模型在语音 AI 场景的落地。

10 步蓝图把路由、审核、打分从生成式提示词换成 Jev 的 Choice、Nouls、Score，让判断类调用不再花生成 token。

Colony Zero 里每个殖民者都是独立人格 agent，出事时的判断调用 Jev 完成，作者在帖子里拆了完整架构。

列出 20 个基于 Jev 的开源项目，涵盖浏览器 agent、上下文压缩、模型路由、代码审查、HFT 交易和游戏。

作者把 Playwright CLI 快照交给 Jev 决定点哪个元素，比 MCP 方案便宜 98%、快一倍。

Dhravya Shah 测了 Jev 在重排、分块、抽取前过滤、何时召回上的表现：能砍掉 58% 抽取 token，但丢掉一句上下文就会把记忆判错。

Grok 抓取 X/LinkedIn/YouTube 上 3412 个潜在客户，Jev 对每人问 6 个问题做 20472 次判断，最终留下 186 人并生成个性化私信，全程 16 秒、成本 41 美分。

browser-use 放出 jev-ultrafast，用动态索引动作空间加条件式小模型文本生成，7.1 秒跑完苏黎世到伦敦的订票任务。

视频演示一个 agent 靠 Jev 跨系统共享记忆，在产品和业务间每小时切换 14 次，月成本约千美元支撑十万美元营收。

Apache-2.0 项目，本地 docker 起服务，把 15 个 agent harness 收进一个 OpenAI Responses 兼容端点，System One 由 Jev 驱动。

作者给出八步门控设计：按后果定阈值、把接近 0.5 的分布视为未决、保留兜底选项，并在代码层校验权限与副作用。