Jev 用法与案例：Browser Use、Agent 工作流

前 Anthropic 工程师流出的提示词：代码查重、Jev 选执行/跳过/人工复核、Opus 只处理需深挖的任务，240 个任务里仅 12 个走到 Opus。

一份讲如何围绕 Jev 重搭 agent 工作流的 playbook，附三步落地法：重建配置、挑最贵流程、对比前后成本。

开源方案把 Jev 当快思考、Claude 当慢思考：Jev 毫秒级做简单判断，Claude 只处理难题，附安装命令与省 30% 成本的实测。

蒸馏出 9M 马里奥模型，每步 0.5ms、连打 23 关，同时放出 Jev 的 Core ML 版本与 Swift 运行时代码。

六个 grok agent 加 Jev 校验的 BTC 永续交易演示：143 毫秒内对 3.96 BTC 下单，28 笔成交 12 胜，净赚约 1.19 万美元。

用 Jev 的纯校验模式替代 Claude 自评，返回 pass/fail、违规条款和出错字符区间，1 万次校验约 0.18 美元。

爬虫抓取、Jev 逐条打分决定去留、Grok 只处理边界案例，每天 3000 次决策约 5 美分，低于 15% 直接丢弃。

256 局对战里 Drex 2.0 决策指数 61.0 对 Jev 58.0，胜率 60.9%，主打 agent 路由和工具选择这类小决策。

400ms 每步的贪吃蛇里 Jev 34 步中 28 步按时并吃到 3 个苹果，五个聊天模型全部在第 6 步撞墙，Jev 每百万步成本 $19.24 仅高于 Haiku。

分步讲解 jev-mcp、jevgrep、jevify、fast-jev-compaction 的安装命令，Jev 负责决策、Claude 负责思考，作者实测同任务成本降约 30%。

请求经结构化状态、Jev 路由、最便宜可用模型、审批与执行闸门，决策层只做路由打分拦截不生成文本，贵模型只在必要时被调用。

作者用 Jev 在后端逐条比对 500 个 agent 的输出与来源，三轮把 38 个错误清到 0。