Jev 用法与案例：Browser Use、Agent 工作流

一位创始人用 7 个模型席位跑年入 $1.2M 的公司，其中 Jev 1.13 负责收件箱门控，131 万次决策花费 $19.78。

帖子推荐 Jev 创始人写的 harness 搭建 PDF，声称可让编码 agent 快 200 倍、便宜 400 倍，方法是把 PDF 丢进 Claude Code 或 Codex 让它重建自身配置。

用 Jev 承担上下文筛选、任务路由、失败恢复等决策，Grok 只做硬推理，编码代理日成本据称从约 $110 降到 $4。

从 651 个候选仓库中让 Jev 逐个读 README 回答筛选问题，最终整理出 8 大类、247 个可用的 SEO 工具，并附安全评级。

开源插件 optim-jev 用 Jev 决定保留或丢弃上下文、在 Haiku/Sonnet/Opus 间路由、只加载相关技能，仍属实验阶段。

Nous Research 成员用 Jev 加本地 Hermes Agent 仓库克隆，把 14 万+ issue 和 PR 组织成可交互的聚类网络，并给出复用到个人记忆库的做法。

开发者用 Convex、Jev 和 batch worker 组件搭了一个私人邮件客户端，管理 5 个收件箱、2 万多封未读邮件。

作者在 MoonPay 黑客松做了 SourcePay 插件，Claude 通过 x402 用 USDC 按次付费读取并引用创作者内容，搜索免费、引用收费。

会话中途切模型、增删 MCP、随意 compact 都会让前缀缓存失效；把无需思考的微决策交给 Jev，就不必进入前缀。

开源项目 CrawlHive 用爬虫群扫 X、Telegram 和链上数据找未成名的叙事，每条信号由 Jev 以约半秒、$0.00002 的成本判定是否值得关注。

开发者用 12 个 Anthropic agent 分工读论文、建模块、复核结果，作者在视频里演示双脑蜘蛛：Jev 毫秒级处理工具选择等琐碎决策，Opus 处理剩下的。

对比 Codex 和 Claude Code 用 --advisor、--effort ultracode 等配置搭出「便宜子 agent 干活、强模型只在闸门介入」的树状结构，其中 Jev 负责廉价分支的路由决策，单次调用中位 302ms。