Jev 用法与案例：Browser Use、Agent 工作流

给 Robinhood agent 建五环隧道，Jev 先判断消息源真假，4821 个念头里 420 次假新闻恐慌单全被拦下。

Jev 给每个任务打快/慢标签并按阈值分流，只让贵模型处理 17%，月成本从 6.46 万降到 4.47 万美元。

作者称用 Opus 5.5 负责搭系统、Jev 逐笔给结构/流动性/入场/风控打分，比单跑 Claude 快 200 倍、便宜 400 倍，并附可直接发给 Claude 的配置提示词。

在 make_judge() 里设 model="typesafe:/jev-latest"，Jev 返回结构化判定，MLflow 存为 assessment 并把概率写进 metadata，是非题评测不必每行都跑通用大模型。

有人把整套交易循环开源到 GitHub，用 Jev 读订单簿返回买卖概率，代码负责挂单，可先无密钥干跑。

在 dots agent 前加一层 Jev 做类型化决策，90% 事件走廉价固定回答，只让 10% 唤醒 gpt-6，日成本从 230 美元降到 26 美元。

作者用 Jev 做分类、Hermes 做 harness、Qwen 开源模型加 DGX Spark 本地跑，自动汇总 1000+ Slack 频道并生成每日 Notion 日志。

Grok/Claude 做策略研究、QuantGPT 提供行情与回测、Jev 评估交易想法，再经风控与模拟盘后才实盘。

把贵模型留给推理、便宜模型做筛选，文中点名 Jev 式做法：简单路由用确定性代码，只在需要推理时调前沿模型。

Jev 以约 29ms、0.96 置信度分流 2183 条告警，只有价值超过成本时才唤醒 GPT-6 决策，可逆回滚自动执行，整夜花费 2 美元。

NetMind 推广：Jev 1.13 输出免费、输入 $0.042/1M，用类型化决策替代 agent 循环里的判断步骤，只在 Jev 不确定时才调 Opus 5.5。

通过 jev-mcp 插件给 Claude 装上 classify/score/check 工具，配合 jevgrep 检索代码与 jevify 技能，把大量是非判断卸载给 Jev，同任务成本约降三成。