Jev 用法与案例：Browser Use、Agent 工作流

作者用客服投诉「被重复扣款」举例：与其让聊天模型吐 JSON 再解析重试，不如先定义好可能答案，让 Jev 直接返回代码可用的结构化决策和概率。

团队展示基于 Jev 的交易 bot：喂入实时数据，由 agent 在用户设定的风险限额内实际下单。

介绍 Jev 只输出带概率的选项决策、System One 定位，以及泰国团队 5 天内做出的 0.8B 泰语同类模型 OpenThai-SystemOne。

考据 Jev 命名不只取自杰文斯悖论，还指向杰文斯造的逻辑推理机——不做算术只做决策，正好对应 Jev 的定位。

视频演示用 Jev 排序 100 条评论、实时给博客草稿打分、在出 token 前选好模型。

同一批 600 段文本、176 项特征下，Jev 几乎全答但错 193 条，Slop Meter 只答九分之一且仅错一条，作者借此说明「敢说不知道」的价值。

开源长程 Agent 控制面 LoopX 提出 RFC：把目标与代码变化交给 Jev 评估，判断是否偏离目标，默认关闭可只观察。

用 Jev 在执行链路上毫秒级调节推理深度，顺畅时少思考、卡住时多思考，实测成本降约 50% 且不丢缓存。

评论者指出 Jev 仍是托管 API、企业要自托管才敢用，且确定性决策引擎早有内部实现，把简单决策丢给 LLM 本就是设计缺陷。

作者开源浏览器技能：给目标网址和目的，Jev 驱动隔离 Chromium 点击导航到目标页，兼容 Codex 与 Claude Code。

作者跑完真实评测，认为 Jev 在 browser/computer use 上表现好，替代 LLM-as-a-Judge 更强，下一步做 LLM 干活、Jev 决策的混合 agent。

作者看完 Jev 纸面交易 demo 后认为它无法预判、独立交易必亏，因此 Noesis 只把 Jev 用在信号发现与风控，仅极强信号才直接触发投资。