Jev 用法与案例：Browser Use、Agent 工作流

BohuTANG 指出 Agent 里大量是分类题却走了 P(token) 的远路，而 Jev 用 P(option|state) 直接给出选项概率，认为这条路很有前景。

作者认为 Jev 的差异点不在能力新，而在于它是通用分类器且又快又便宜，慢的 demo 用旧模型也能做。

介绍这个「不写文章只给判断」的模型已可在 Cloudflare 调用，支持是否、选择、分级三类输出并可低置信转人工。

16 分钟视频梳理 Jev 的浏览器操作、邮件分类、代码审查等社区玩法，并演示兔子冒险路线决策与外星人入境判断，279 次调用仅花 2 美分。

用是非题、单选题、打分题三类拆解 Jev 的输入形式，并说明 Browser Use 主要靠 Choice 从无障碍树节点里选点击目标。

作者发帖说正在拿 Jev 跑 agent evals，结果待观察，配图为测试过程。

一条把 Hermes Agent、Jev 决策模型与 Computer Use 串起来的用法示意，展示三者组合的 agent 工作流。

作者在早期原型里用 Jev 驱动状态机，称若结果成立可显著缩短典型 agent 运行时间，认为神经符号程序很适合 Jev。

mizchi 在 jev-playground 仓库里发布了一份用 Jev 做浏览器场景混沌测试的研究报告。

开发者实测 Jev 做词数分类时，注入指令可让输出概率从 0% 飙到 43%，他因此暂缓把 Jev 用于简历筛选、发票审批等对抗性场景。

Speko 现在把 Jev 作为路由，每轮对话返回带校准置信度的类型化决策，agent 可据此在调用中途按意图或转人工分支，无需解析文本。

作者分享加入 waitlist 并回答问卷后约半天获批的流程，并说明 Jev 返回带置信度的结构化决策结果。