Jev 用法与案例：Browser Use、Agent 工作流

有开发者用 Jev 给网站重建内链地图，45 秒处理 586 页只花 0.21 美元，思路是 LLM 规划、Jev 路由打分、工具执行，少调贵模型。

作者用 Jev 后提出：需要一种只负责发现歧义、提问澄清、点明待决事项的模型，并希望 typesafeai 会做这个方向。

用贷款违约、破产、医疗诊断等 8 个真实数据集共 16500 次预测检验 Jev 的置信度，7 个数据集校准失败，且系统性高估坏结果概率约两倍。

作者建议把 Jev 放在 agent 里只做判断的环节：选便宜路径、执行前校验、发出前校验、长流程结果裁剪，并推荐从最后一项开始试。

10 分钟拆解：按 prompt 选工具和技能，避免无关指令污染上下文，并搭建把不确定决策送审的 Jev 路由器。

开发者用 Jev 给播客准备做决策，判断该问哪些问题，并征集其他人的 Jev demo。

Teknium 拆解「Jev 压缩」：只删工具调用 token，逐轮缩水，最终无空间可压，因此 Hermes Agent 多次拒绝该 PR。

用 Qwen3.5-9B 加 LoRA、2676 条样本一天训出打分式决策模型，在 324 例测试上 90.12%，仍低于 Jev 的 93.21%。

作者用开源 OpenJev 一周后取消 ChatGPT 订阅：无需 API key、数据不出本机，毫秒返回决策，可批量分类邮件、评论和招聘信息。

Parker 联合创始人称整个工程团队正在用 Jev 重新实现应用核心流程，用户将间接用上这套决策模型。

作者用 Jev 做了一个不按时间、而按重要性实时排序的邮件应用，即将上线 avec。

提出 LLM 生成状态、多模态 Jev 做判断的两段式 computer use 流程，认为这是低成本确定性智能的新起点。