Jev 用法与案例：Browser Use、Agent 工作流

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。

用 codex --agent adversary --subagents 把安全审计、并行子代理和代码修复分给 GPT-6 Astra、6.1 Terra、6.1 Sol，靠纯文本 IPC 隔离上下文；作者称 Jev 在毫秒级处理无需思考的分叉。

给出 Sonnet 5.5 主会话、Haiku 5.5 只读检索、Opus 5.5 三个检查点复核的配置提示词，并把工具选择、文件选择、有界重试等确定性路由交给 Jev。

用 --max-budget-usd 给每次运行设硬上限，每完成一步写一行 ledger.txt，触顶后下次从断点续跑；作者称 Jev 在代码层做同样的分叉判断，1,902 次分叉以 0.96 锐度在代码里解决。

一套用 Jev 驱动 Opus 5.5 逆向二进制的流程：克隆目标、映射 18,039 条调用边、并行追踪、按追踪结果重建模块，平均距离 0.020。

West 发布 6-agent 的 Pumpfun 交易系统，Jev 负责在半秒内给出 yes/no 加置信度，24 小时内筛了 268 个币只放行 1 个。

演示把六个 AI 串成一个团队，其中 Jev 负责自动跑测试和修 bug，首轮跑完 64/64 测试通过、7 小时 40 分花费 233 美元。

用 Haiku 分诊、Sonnet 复现、Opus 打补丁的 Claude Code 修 bug 流水线，并提到 Jev 工程用 0.98 锐度在代码层解决 2,340 个运行时分支。

开发者开源 HarnessRouter，让 Grok Bot 把任务分派给 Codex、Claude Code、System One（Jev）等运行时，并用 CSV 转仪表盘做了实测。

同一套 Claude Code 工具链只换底层模型，Kimi K3.1 Pro 跑主 agent 与子 agent，实测省 43% 而非 50%，并用 JEV 在代码层处理微分支。

帖主演示 Kimi K3.1 的 300 并行 agent 编译流水线，并称 Jev 工程在同一层之下用 3120 个运行时微分支解决内存分配、批处理屏障与矩阵运算。

让 Haiku 子 agent 跑构建只回 3 行日志，主会话省下 40k token；同一思路下 Jev 在代码里以 0.90 阈值分流 1,301 次 fork 决策，只有拿不准的才交给 Sonnet。