Jev 用法与案例：Browser Use、Agent 工作流

作者给一次会话的 1284 次工具调用打标，发现 938 次只是是/否判断，改由 Jev 处理后账单从 64.77 美元降到 26.16 美元，单次决策 38ms。

作者称 Jev 既不会写代码也不会写文字，并展示昨天用它做出来的东西。

LangChain 从准确率、可重复性、延迟和成本四方面测试 Jev，看 System One 模型能否用于 agent 评估。

作者花一天跑数百次试验，把 Jev 集成进 Codex 做浏览器操作决策，总花费仅 0.00725 美元。

整理 8 个用 Jev 做决策层的开源项目，覆盖浏览器操作、搜索、上下文压缩、编码 agent 工具调用等场景。

开发者用 Jev 给 aloud.rest 加上语音命令：设计时、让主持人说快说慢、结束会话，还能喊「show me the orb」。

约两个月前的演讲，讲 RLHF 让此前模型都依赖人在环，而 Jev 面向真正的自动化场景，被视为 AI 与软件的下一个阶段。

LangChain 周二举办 Jev 主题直播，与 Typesafe 一起讲如何用 Jev 搭建 harness。

一句话评价：Jev 实现了作者一直想要的、面向 agent 的通用分类式分支决策。

作者把 Jev 接进 Codex 做 computer/browser use，缩短子 agent 交接和预热时间，称循环已能跑通。

用 Jev 给每条加密推文打多空分，结合资金费率、RSI 和成交量输出入场/止损/目标卡片，代码已开源。

团队在 Codex 流程里用 Jev 为每个任务推荐合适的 agent、上下文和审查级别，Astra 主导、Sol 执行。