Jev 用法与案例：Browser Use、Agent 工作流

搭建本地 Claude Code 记忆库、浏览器控制与自动化流程，把「选哪个文件、重试还是停止」这类小判断交给 Jev，70–500ms 返回带概率的选择。

用 Opus 低 effort 跑主会话、按需切 xhigh，子 agent 各自设 effort，文件选择/工具选择/重试这类简单分叉交给 Jev 毫秒级处理。

用 --model sonnet --advisor opus 让 Sonnet 5.5 主写代码、Haiku 5.5 并行搜仓库读文档、Opus 5.5 只在架构定稿等关键节点介入，并用 Jev 处理文件选择、工具分发等确定性分支。

开源剪辑 Agent 用 OpenCV 提镜头事实、Librosa 切节拍槽位，再由 Jev 对离散问题毫秒级打分，Beam Search 选出 0 帧误差的剪辑序列。

演示把业务拆成规划、编码、决策等 6 个模块，四模型竞标，Jev 在决策项拿到 0.97 胜出，规划项仅 0.52。

作者整理 TypeSafe 与 Anthropic 文档，给出 Opus 5.5 负责思考、Jev 返回带概率的类型化决策、代码持有分支的 10 步架构，并附成本对比。

实验插件用 Jev 做三类决策：保留/截断/删除旧工具调用、选模型与 effort、挑相关 skill；尚无 benchmark 结论。

用 jev-axi 把 Jev 接进 Claude Code，拦截危险 Bash 命令、密钥泄露和提示注入，超时则回退默认权限流程。

作者主张 Opus 5.5 不该花在「开哪个文件、跑哪个测试、是否重试」上，把这些行政分支交给 Jev，声称结果相同而账单只有三分之一。

Sonnet 5.5 领队开 8 个并行槽，Haiku 每代理处理一个文件，Jev 在代码层裁决 4868 次模型/槽位/重试分支，仅真正分歧上送 Sonnet。

帖子描述 Opus 5.5 写 plan.js、6 个 Haiku 扫描、4 个 Sonnet 打补丁的蜂群流程，并称本次 3767 个「选模型、选通道、重试或停」的分支由 Jev 在代码里毫秒级解决。

一张图展示 agent 在 chill 模式下，由 Jev 帮它筛掉无关发现，只留有用结果。