Jev 用法与案例：Browser Use、Agent 工作流

作者称用 PPO 强化学习训了一周才通关马里奥 1-1，换成 Jev 后不到 30 分钟就达到同样效果。

作者放出 jev-browser 仓库，需要 Codex 浏览器工具、Node 22+ 和 TypeSafe API key，安装提示写在 README 里。

作者给出在 Vercel AI Gateway 调 Jev 的完整步骤：建 Key、装 ai@7.0.105+、用 experimental_evaluate 传 state 和 questions，一次并行拿 Boolean/Choice/Score 结果，用于选工具、风控打分和输出校验。

作者用 Typesafe 的 Jev 搭了个模型路由：Jev 判断请求适合哪个模型，再把请求转发过去，附演示视频。

日文用户演示在本地跑 Typesafe Jev，称已能跑通，但速度还有优化空间。

作者在 pi 里结合 Jev 和新 markdown 渲染器做了个扩展，能切换 agent 输出的详细程度，起因是看不懂 Opus 5 到底想说什么。

介绍 Jev 不生成任何文本、只回结构化判断值，因此结构上不会格式崩坏或幻觉，并给出用 ChatGPT 模拟的思路。

宣传称 Jev 输出 token 永久免费，同 27 题比 GPT-5.6 快 74.9 倍，适用于工单路由、数据打分、LLM 输出校验和实时 agent。

作者基于 Codex 浏览器工具做了开源适配器，用 Jev 做 DOM 到动作的决策循环，带后置条件检查和多标签页支持，需要 Jev 访问权限。

一条调侃式反应，侧面说明 Jev 正被大量用于本该自建小模型或等新模型降价的分类任务。

作者拿一句无厘头描述当查询，让 Jev 在 1016 个 IRS O*NET 职业选项中打分，命中快餐与柜台服务人员。

作者主张把「路由到 Claude Code / Codex / Opencode」从系统提示词里搬出来，交给只返回带置信度结构化决策的 Jev，并给出 193x 更快、444x 更便宜的对比说法。