Jev 用法与案例：Browser Use、Agent 工作流

作者上周手写六个文件搭 Jev 客户端，这周打包成一个 Spring Boot 4 starter，并录视频讲自动配置原理。

整理当前免费用 Jev 的三个入口：官方 Playground 直接试、Vercel AI Gateway 选 typesafe-ai/jev、OpenCode Zen 选 jev-1.13-free，并提醒限时。

这个插件不重写记忆，而是用小型模型对每次工具调用和输出打分，低分才删，高分逐字保留，并附上安装前必看的五个坑。

作者周末尝试让 Jev 而非 LLM 主导 agent 决策循环，在财务建模基准上只做到约 20%，远低于 LLM agent 的 80%，结论是 Jev 更适合有界任务和作为经典循环中的工具。

演示把市场状态交给 Jev 判断 regime、flow 是否有毒、setup 是否值得做，返回类型化决策再交给交易系统执行。

把 TradingView 实时指标压成 400 token 快照，用 Jev 并行打分输出校准后的买/卖/持概率，按置信度做 Kelly 仓位，附开源仓库。

演示者用 Jev 把「张开手、去天花板、尽量伸展」这类自然语言指令直接变成机械臂动作，为阿根廷太空活动做准备。

LangChain 把 Jev 与 GPT-5.6、Claude Sonnet 4.6 对比做 agent 评测裁判：Jev 每次判断与人类评审一致、方差低至 913 倍、单次 0.44 秒，整轮成本 0.34 美元。

作者用开源 openJev Verdict 在 151M 基座上不重训、只修三个确定性推理 bug，就拿到 JevBench 74.9，解释 Jev 为何取代聊天模型做路由。

Locus Pro 用 Jev 替代工具路由，让 agent 在 3600 多个工具里语义搜索该用哪个、何时用。

分析认为 Jev 适合低价的标签、评分、是/否判断，但证据只支持较窄结论，不足以改变 AI 基础设施投资逻辑。

作者花一个周日用 Jev 搭了 50 人模拟城市，居民恋爱、出轨、八卦、生病、死亡，连续跑 14 小时、74 个模拟日、近 1.1 万次请求，两个模型合计只花 1.05 美元，并借此解释 Jev 到底是什么。