Jev 用法与案例：Browser Use、Agent 工作流

作者整理六篇论文与实测，讲 Jev 这类零样本判断模型能替 Agent 做分类、挑记忆、选动作、初审回答，省掉大量小决策成本。

RWKV 官方列出 23 个 agent 项目，Jev 被点名在列，可点进目录看各项目用途。

盘点六个用 Jev 做决策层的开源项目：浏览器自动化、Monad 交易 bot、Claude Code/Codex 安全 harness、MCP 桥、税表分类器和 Postgres 扩展。

无人值守跑完 5400 次 agent 运行：18 轮里只做 43 个 Jev 决策，单次决策成本 0.02 美元，目标达成度 0.93。

演示 state→decide→dispatch→fleet→score 闭环：512 个 agent 并行执行，0.4 秒一步，全程无人审批，18 轮自动停止。

对比测试中 GPT-6 Astra 被一句话说服，而 Jev 不读文字只做打分，把藏在四百万美元转账请求里的指令判为欺诈，40 毫秒返回。

一个 CC0 开源 GitHub 目录，按「想做什么」整理 Jev 的 SDK、文档、agent 工作流与浏览器使用等示例，帮开发者快速找到上手路径。

作者搭了个「粘贴链接就自动重设计」的站点：Jev 在约 0.1 秒内返回结构化决策（布局、文案、配色等），Opus 5.5 据此写 TSX 组件，滚动到哪节就重做哪节。

在 browser-use、WebMCP、NLWeb 上跑 240 次对照实验，接入 Jev 决策模型后任务成功率不变，速度与成本大幅改善。

开发者实测用 Jev 在 Copilot 中做出智能家居控制器，评价它简单、快、便宜，值得这波热度。

Diogo Almeida 讲如何围绕自己的工作流搭 eval、用级联做廉价决策、以及用 Jev 构建 coding agent，附分段跳转。

Superlinear 播客讨论把 Jev 放在确定性代码与昂贵 LLM 推理之间，含浏览器循环、实时反馈、测试选择与模型路由实验。