Jev 用法与案例：Browser Use、Agent 工作流

作者用 Jev 快速给全部发票做分类，先从枯燥的业务场景入手。

整理 4 个免费试用 TypeSafe AI「Jev」的入口，含免注册 Playground、Vercel AI Gateway 限免、OpenCode Zen 和 Venice API 额度。

波斯语帖介绍 Jev 的 System One 模型：并行产出结构化决策并带置信度，高置信自动执行、低置信转人工，训练法叫 RLCD。

作者把 Jev 接到提示词优化器 GEPA 上，在 300 条医学文献句子上把 F1 从 69.1% 提到 79.7%，误报减半。

应用读页面状态并列出可选动作，Jev 只负责选一个，再由 Cua Driver 执行并校验结果，作者也点出执行前后验证才是难点。

转发帖：把 20 条广告投给 1.9k 个采样真实用户画像，用 Jev 判断他们关心什么、是谁，从而改广告测试方式。

作者写了个 pi 扩展，把系统提示里注入的技能剥离，改由 Jev 按需挑选最相关技能，降低缓存写入开销。

有人做了个 Jev 入门 Agent，帮你判断想做的事（筛交易信号、内容分析、游戏 AI、操作电脑）能不能用 Jev 做、需要什么工具、第一步怎么试。

作者把 HN、GitHub 趋势、状态页等 15 个站点铺在云电脑墙上，Jev 读每条新标题判断是否值得现在看，越线就响铃并自动打开。

作者开始用 Jev 处理模型路由、工具选择、候选打分、是否继续执行等判断，把大模型「想一遍」换成更快更便宜的决策。

Mahesh 用 Qwen3.5-9B 加 2,676 条合成样本 LoRA 微调出决策模型，curated eval 上 90% 对 Jev 的 93%，Jev 只当评估基准。

视频演示用 Jev 快速搭出一个判断 X 帖子是否为低质内容的检测工具。