Jev 用法与案例：Browser Use、Agent 工作流

作者 momito 发布一份 Jev 可视化入门指南，并说明这份指南本身就是用 Jev 构建的，可直接在浏览器里看。

作者给出五步公式：先追踪日志，再把「用不用工具/要不要重试/做完了吗」这类重复判断交给 Jev 路由，只把不确定的情况退回大模型，最后验证并对比耗时与成本。

Jev 创始人、前 OpenAI 的 ChatGPT 与 RLHF 论文作者在 36 分钟视频里说 Claude Code 这类 coding agent 仍只是带人在环的辅助，并称 Jev 是 200 倍快、400 倍便宜、零幻觉、无需人在环的下一阶段。

作者称有创业公司基于他的 choose-your-adventure 计算形式化秘密训练模型，并附上用 TypeSafe Jev 做的快速实验链接。

在 Claude Code 执行前用 Jev 判断命令是否该拦截，154 条测试中危险命令召回 26/27，中位耗时 347ms。

作者整理 Jev（TypeSafe System One）安装到首次调用的完整步骤：装 skill、配 API Key、curl 验证、在 Codex 里发真实 Noul 请求，并说明它适合分类过滤排序而非写代码。

作者用 Jev 的 Choice/Score 原语搭 HFT bot，一晚 1000 个信号里筛出 3 个真信号，全程不生成一句话。

Sarah Drasner 开源了一个基于 Jev 的 WebMCP 浏览器扩展，并附上可试玩的购物车演示站点，扩展正在审核中。

作者做了个通灵板，服务端生成词包，Jev 按概率逐词挑选拼出答案，不生成段落，只做受约束的选择。

作者称参与搭建了 Los Clankos 的 agent 对战 Harness，由 LLM 加 TypeSafe 的 Jev 共同驱动，用于 agent 互相战斗、交易和偷钱。

有人把文本生成换成 Jev 概率 logits，让六个微 agent 处理发票争议、补货、客服与退款，1489 个任务只花 14.22 美元 token 成本。

从 MCP 接入、上下文压缩到浏览器 agent、交易 bot，一份按实用度排序的 Jev 社区项目清单。