Jev 用法与案例：Browser Use、Agent 工作流

以工单分流为例说明：普通解码要生成整句再解析，结构化输出仍逐 token 生成 JSON，而 Jev 式打分直接对预设候选给出概率分布。

分享 Claude Code 的模型分层用法：Sonnet 5.5 主会话写代码跑测试，Haiku 5.5 子 agent 并行做 AST 映射与文档检索，Opus 5.5 仅在计划锁定、重复失败、收尾三处被叫出；并称 Jev 在更下一层用 16ms 清掉机械路由分支。

独立开发者把 JEV 做成决策星盘，给 Claude Code 的迁移、分诊等步骤做门控，不可逆操作前留人工闸门。

六个 Grok agent 负责找币、查合约、盯巨鲸、挂单与退出，第七个不可对话的 Jev 裁判只回答闭式问题，78 个通过风控的代币被它拦下，其中 59 个一天内归零。

Arpit Bhayani 的实战 AI 课程第六期加入 Jev 与 Clairic、长时运行 agent、多 agent 任务分解、记忆读写路径与成本效率等主题，11 月 14 日开课。

视频演示在 CI 里先用一次小调用判断 diff 该走安全、测试、快看还是人工，低于 0.80 置信度转人工。

作者让 Grok Bot 搭了一套 pump.fun 自动交易终端：Grok 扫新币，Jev 以 7 个评委对 dev 钱包、捆绑、LP 等维度打分投票，1/7 即埋掉，再由 WARDEN 查 rug、SCYTHE 买入、TALLY 阶梯卖出，4 小时无人值守，仓位从 12.40 涨到 31.67 SOL。

演示在一台 DGX Spark 上跑完全本地的多模态栈：语音克隆、图像视频生成、Qwen 27B 主模型、Drama 3 语音与转写，并用 Jev computer-use 模型处理操作决策，全程一镜到底未剪辑。

盘点五个开源项目：Jev Browser 逐步选页面动作、Jev Search 选源打分、Codex 路由省额度、QuantDinger 下单前决策闸门、Claude Code 里自动打 Doom。

用 claude --model sonnet --advisor opus 把主会话、只读子代理和顾问模型分层，并提到 JEV 在更底层做确定性分支路由。

开发者用 Claude Opus 5.5 做游戏，并用 Jev 扫描每个任务、判断该给 Medium 还是 Max 推理档位，再交给管理会话分配；13 周 AI 成本约 900–950 美元。

开源项目 chesshacker 让 Meta Ray-Bans 通过 WhatsApp 视频通话把棋盘传给 Mac：Jev 先做廉价预检判断画面是否变化，无变化就不调用模型，再由 Opus 5.5 读盘、Stockfish 出招、虚拟麦克风念给你听。