Jev 用法与案例：Browser Use、Agent 工作流

原本为电竞主播 Jev 建的 subreddit，现在被大量网友发的 computer use 演示刷屏，形成文化撞车。

作者把 Pi 接上 Jev 后又拆掉硬绑定，做成 provider-neutral 的 system one 工具，提供 choice / noul / score 三种有界决策。

英文版演示：一句提示生成 Three.js 索尼克跑酷，玩家可自己玩，也可交给 Jev 判断跳跃、翻滚和闪避。

长文拆解如何用 Jev 的 Noul/Choice/Score 三类判断做链上做市：代码算指标，Jev 只负责判断，月成本约 10–25 美元。

类 Jev 的开源 System-1 模型用 OpenVINO INT8 跑在 i7 上，单次前向直接选动作，无 GPU 无逐 token 生成。

一个基于 DeBERTa V3 Large 的开源文本分类模型，不只打标签，而是输出经过校准的类型化决策。

作者搭了一个 Jev 过滤器在 TGE 前批量筛查钱包，4 万地址 4 秒出结果，社区从一堆刷子缩到 2 个人。

作者花几天测 Jev，做了个提示注入 demo，展示输入如何改变 Jev 给出的选择，提醒使用者注意。

Opus 5.5 默认 effort 从 high 降到 medium，因 Jev 每条消息显式设 effort 才被发现；还列出迁移报错与缓存陷阱。

作者主张别让 AI 直接写简历，而是把简历、JD、待决策项和标准交给 Jev，用结构化输出做判断，并列出 10 个简历场景用法。

把 Jev 和 Laya 两个 agent 放进同一款 Chrome 恐龙游戏里实时操控角色，用游戏反应速度直观对比本地 Mac 推理和 API 调用的延迟差异。

jev-shell-history 把最近 100 条去重历史交给 Jev 选最可能的一条，支持模糊匹配并返回置信分数，每次请求约 0.7–0.9 秒。