Jev 用法与案例：Browser Use、Agent 工作流

中文整理 7 个替代付费 AI 软件的开源项目，其中两个用 Jev 给 Codex/Agent 加路由、记忆与技能选择，称复杂任务返工少 70%。

有人用 Jev 根据资产实时价格源判断买/卖，每 300ms 一个区块在 Monad 上 Kuru 的链上订单簿执行真实交易。

介绍 TypeSafe AI 的 Jev 把「上下文+问题」变成结构化决策，适用于分类、路由、打分和 agent 工作流。

把「下一步加载哪个技能」交给 Jev 做带概率的 Choice 决策，作者总结出分离决策与生成、强制弃权、区分观测与判断等 5 条接入规则。

号称 Anthropic 内部流出的超级 agent 方案：Jev 负责在每轮之间保存上下文、预算与停止条件，每小时只改一处、变差自动回滚。

同一条问题三种措辞分别得 0.940 / 0.060 / 0.870，Jev 不输出布尔值而是给出可自己划线的置信度。

作者用 Jev 让 agent 自己决定去挖矿、合成、交易、战斗还是建造，可接入自己的 agent 观看它们过完一生（包括掉进岩浆）。

开源日股研究 agent 新增 /check，用 Jev 把有报全文 103 段按支持/矛盾分到投资假设两侧并附出处，1.5 秒完成。

一个端到端测试用法：Playwright 负责操作，Jev 负责验证 agent 行为是否正确，让大规模 agent 测试变得便宜。

作者称拆分推理与决策、让 Jev 接管 classify/route/approve 调用后，agent 栈比标准 Claude Code 循环快 200 倍、便宜 400 倍，PR 审查从 24 秒降到 11.8 秒。

把 Jev 放在 Grok 4.7 前面做钩子筛选，弱选题在花 token 前就被毙掉，按高/中/低分档决定机器、模型还是人来处理。

作者用 Jev 和 AI SDK 搭了个判断素数的实现，画出前 1 万个数的素数螺旋，并吐槽它大多数时候答对。