Jev 用法与案例：Browser Use、Agent 工作流

在 TermiX 花 1 USDC 买 30 分钟，AI agent 作为 2P 陪玩《魂斗罗》《坦克大战》，作者实测并记录了操作与结算流程。

一句话让 Claude 搭出 pump.fun 交易终端，Jev 负责读 X 与网页叙事做买入前过滤，14 笔交易 12 胜、3 个被跳过的小币全部归零。

作者称这套组合让同一工作流快 90%：Grok Bot 拆任务并执行，Jev 比较下一步动作选路径，成果留存复用，人只审关键决策。

签名前把用户原始请求和待签报价交给 Jev 打分，正常交易 0.98 放行、被注入页面诱导的 0.01 拒绝，每次检查约 $0.00003。

作者用 Jev 扫描代币周边钱包并逐条写出风险理由，Grok Bot 执行拦截、卖出或跳过；演示中风险敞口 33 秒从 4820 美元降到 0。

作者分享一段 Jev 提示词，让 agent 对每个页面回答三个是/否问题（问题不清、内容过时、与他页重复），据此决定修复、合并或搁置；首轮误标 2192 页，修好抓取后降到 666 页。

作者做了一款带写作/构建等模式的 AI 原生 macOS Dock，用 Jev 实时分类活动与通知并触发动作，agent 还能自定义模式行为、新增模式。

六个 Grok agent 负责找币、查合约、盯巨鲸、挂单与退出，第七个不可对话的 Jev 裁判只回答闭式问题，78 个通过风控的代币被它拦下，其中 59 个一天内归零。

视频演示在 CI 里先用一次小调用判断 diff 该走安全、测试、快看还是人工，低于 0.80 置信度转人工。

作者让 Grok Bot 搭了一套 pump.fun 自动交易终端：Grok 扫新币，Jev 以 7 个评委对 dev 钱包、捆绑、LP 等维度打分投票，1/7 即埋掉，再由 WARDEN 查 rug、SCYTHE 买入、TALLY 阶梯卖出，4 小时无人值守，仓位从 12.40 涨到 31.67 SOL。

poor-things.com 给每种 steering 配置跑 67 条提示，由 Typesafe Jev 和 Fireworks Rune 打分，再由 GLM 5.3 Flash 命名人格。

作者称写任何工具都先接 Jev 加速决策，实测其新增的图片视觉输入效果很好，建议把图文判断、高光筛选、流程卡点直接焊进工作流。