Jev 用法与案例：Browser Use、Agent 工作流

把 Claude Code 拆成 Opus 5.5 写工作流脚本、Haiku 扫描、Sonnet 修补，确定性微分支交给 Jev 毫秒级处理。

Bruin 把模型推理做成管道一等公民：指向一张 Snowflake 表、给每列写提示词，就能用 Claude、GPT 或 Jev 逐行生成新列，自动处理批处理与缓存。

开源 agent 编排工具 Hermes GPT 发布 v0.16，新增 iMessage 审批通知、Owner Inbox，并集成 Jev 辅助决策与工作评审。

六阶段路线图，第四阶段用 Jev 式类型化决策模型做分流：95% 流量走快模型，5% 升级到重推理模型。

作者发布 ChatGPT 插件，把长程 agent 蒸馏成确定性代码，并在开源 computer-use 缓存里接入 Jev 分类器，把重复任务成本压到接近零。

作者在 agentic 内容生产循环中接入语义、过滤、策略、收益、编辑五个评审，称 Jev 类决策模型让评审判断更准，不合格稿会被打回重写。

一次 Jev 调用给发票打分，随后三道 if 检查：有无应答、置信度是否 ≥0.6、是否高风险；模型对钱怎么走没有投票权，新规则先影子跑两天。

作者拆解 Jev 作为 agent 决策层的架构：状态输入、拆分提问、结构化选择与评分、代码门控、执行并回传结果，避免重复失败动作。

一条视频演示：Jev 先读遍 Obsidian 笔记库，Opus 5.5 只写关键行，保存时自动链入 Zettelkasten 图谱。

票务路由、内容审核、AI 评审、工具调用风控、模型路由、文档矛盾审计，把「从列表里选一个」的步骤交给 Jev 打分，省掉输出 token。

演示用 Jev 决定路由，Flash 跑任务、Opus 5.5 只看 diff，配四条规则：置信度 0.90 才放行、单任务成本上限、重试不超两次、人工复核。

Claude Code 用 Opus 5.5 规划、12 个 Haiku 5.5 并行读文件，账单降 79%；Jev 在代码层以 0.90 锐度处理 1301 个分叉，只把 0.48 的分歧项升级给 Opus。