Jev 的十种用法 — Frontier Now

2026 年 9 月中旬，TypeSafe 发布 Jev：一个不写对话、只返回类型化决策的模型。喂给它应用状态和一个收窄的问题，它在几百毫秒内返回一个选择、一个是或否、或一个带校准概率的评分；官方定价输入每百万 token 0.042 美元、输出免费。一个月后，GitHub 上长出十个围着这个范式转的开源项目，从浏览器智能体到 Postgres 扩展，合计约 4.2 万 star（截至 2026-10-12，GitHub API 实时数据）。这篇文章按「Jev 替这个项目做了哪个决定」把它们过一遍——其中两个项目并不调用 Jev，它们的缺席恰好划出了这个范式的边界。

要点

Jev 把判断拆成三个原语：Choice 选一个、Noul 判是否、Score 打分，输出全部带概率；官方称端到端延迟 70–500 毫秒，比同级别前沿模型快 40–200 倍（官方博客，2026 年 9 月）。
十个项目里 Jev 的位置各不相同：jev-ultrafast 让它每步选浏览器操作和目标元素，pg-jev 让它当 SQL 谓词，fast-jev-compaction 让它决定哪些工具调用可以删，jev-trader 让它每 300 毫秒决定买还是卖。
所有性能数字都是项目或官方自述：Jev 官方拒绝公开 benchmark，jev-ultrafast 自己的对照实验只有三组运行，符号检验 p = 0.25。

Jev 是什么

Jev 是 TypeSafe 的第一个 System One 模型。System One 这个词借自卡尼曼的《思考，快与慢》：系统 1 是快速、直觉、不解释的判断。对应地，Jev 不做自回归的文字生成，而是在单次请求里并行采样，直接输出类型安全的结构化值——可能的输出在调用前就已定义，模型不会产生类型错误，也因为没有字符串生成而不会幻觉。训练方法叫 RLCD（以校准决策为目标的强化学习），输出附带校准后的概率和置信度。模型名来自经济学家 William Stanley Jevons，官方借「杰文斯悖论」暗示智能成本下降会释放更多用例。

商业面跑得比技术面更快。据我们 10 月 3 日的报道，TypeSafe 9 月 15 日以 4000 万美元种子轮（DCVC 领投）走出 stealth，当时估值约 2 亿美元，随后传出超 100 亿美元的融资谈判；TechCrunch 则在 9 月 30 日和 10 月 1 日报道了 OpenAI 和 Amazon 各自推出「Jev 克隆」。一个创业公司的范式两周内被两大巨头复制，这在基础模型行业并不常见——智能体做规划时最烧钱的正是无谓的生成，而分支判断恰好不需要生成。

对开发者来说，Jev 的实际形态是三个 API 原语：Choice 在至多 255 个选项里选一个，Noul 回答一个是或否，Score 在描述好的维度上给出概率加权的位置。没有 prompt 模板，没有 JSON 解析，没有重试。

十个项目，十种判断

下面这张表是全文的地图。左列是项目，中列是 GitHub star（截至 2026-10-12），右列是 Jev 在这个项目里扮演的角色——注意最后两行。

项目	Star	Jev 替它做什么
jev-ultrafast	22.7k	每步选浏览器操作和目标元素
fast-jev-compaction	7.6k	判断哪些工具调用可以删
jev-trader	3.0k	每约 300 毫秒决定买还是卖
typesafe-ai/skills	2.7k	把类型化决策的方法教给智能体
agent-desktop	1.8k	不参与决策（项目未接入 Jev）
typesafe-computer-use	1.2k	每步从安全动作表里选桌面动作
hermes-jev-skills	1.1k	路由、记忆、压缩等 11 类小决策
pg-jev	1.1k	当 SQL 里的语义谓词
jev-review	683	分阶段评审 diff 并排 severity
foreman	443	不直接用 Jev（调度 Claude Code）

前六个都有独立条目，本文只讲它们与另外四个各自最有意思的一点。

浏览器与桌面自动化

jev-ultrafast 是这批项目里 star 最高的，来自 browser-use 团队，9 月 17 日开源，三天 7.1k star，当天上了 Hacker News 首页（知乎等中文媒体当时有报道）。它要解决的是浏览器智能体的老问题：每一步都问多模态模型「现在点哪」，又慢又贵。它的做法是每轮观测生成一张带编号的元素表，然后只用一次 TypeSafe 请求同时回答「做什么操作」和「点哪个元素」两个问题——投机式的目标问题保证操作是 CLICK 时只有 click_target 能执行。默认循环里不出现截图，模型消费的是结构化状态。

数字来自项目自己的 performance.md（2026-09-30 版本）：Google Flights 从苏黎世到伦敦的完整任务 7.073 秒；六次交替对照里，中位耗时从 9.450 秒降到 7.092 秒（低 25%），TypeSafe 请求中位从 22 次降到 17 次，浏览器协议调用从 1,092 次降到 101 次；Jev 延迟中位 178 毫秒；两个城市名的文本生成分别花了 581 毫秒和 346 毫秒。官方也写明口径：这是同一任务三次重复的受控对比，不是通用可靠性基准。诚实地说，三组样本的符号检验 p = 0.25，统计上什么都不能证明——但 1,092 到 101 这个协议调用数字，讲的是一次原子 DOM 快照替代反复遍历的故事，比总耗时更可信。

同一波项目里的 typesafe-computer-use 把同样的思路搬到 macOS 桌面。它每步先对最前方窗口做 OCR，再拿无障碍树的标签补齐 OCR 看不到的图标，然后用代码算好日期距离、焦点位置、已试过的动作这些「事实」，最后由一次 TypeSafe 请求回答三个 Choice：做什么动作、对哪个元素、在哪个界面。写模型的介入被压到最低——只有文本框真正需要自由文本时才调用。项目自测的对比（同一张截图、各做一次决策）：每次决策 0.0002 美元对 Claude Opus 5 裸读截图的 0.032 美元，模型延迟 0.13–0.38 秒对 5.2 秒，含采集和 OCR 的端到端步进约 1.5 秒对约 5.5 秒；一个 12 步任务 0.003 美元对 0.40–0.90 美元。它同时把代价写进了 README：前沿模型免费做的那些推理，这里必须逐项重建成确定性代码。

第三个项目 agent-desktop 是个反向证据：通篇没有提到 Jev 或 TypeSafe。它是一个 Rust 写的单二进制 CLI，靠操作系统无障碍树看界面，给每个元素发稳定引用（ref），动作前先过一遍可见性、稳定性、可用性的预检，默认不抢焦点、不动真实鼠标。它治的是另一种贵：对 Slack 这类密集应用，浅层概览加定向下钻把快照从 30,743 token 压到 383（官方在 README 的对比，称密集应用可省 78–96%）。三个项目放一起看，分工很清晰：感知层可以纯工程，token 账可以靠结构，但「选哪个」这个动作一旦交给前沿模型，成本立刻跳两个数量级——这才是 Jev 这类模型的生态位。

Claude Code 的上下文账

fast-jev-compaction 治的是 Claude Code 用户都遇到过的事：长会话里 /compact 一开，之前强调过的约束、报错原文、命令参数就被摘要掉了，后面模型开始重复犯错。这个插件的立场很干脆——从不重写任何内容。它把每次工具调用和返回结果拿去问 Jev 两个问题（这个调用还重要吗、这个结果值得逐字保留吗），按概率分三档处理：保留、截断（默认先砍到 1000、再 200、再 60 字符）、删除；用户和助手的文本逐字不动，首条消息和最近 6 条钉住不动。状态默认塞进 2.5 万 token，请求压在 3 万以内（Jev 的请求上限是 32k）。

它同时把依赖和局限摆在明面上：function hooks 是 Claude Code 2.1.274+ 的早期特性，要显式开环境变量；token 数是按字符估算的，不是真 tokenizer；概率不是可以安全删除的证明；状态随每轮请求重发，历史越接近上限，每问一次的成本越高。Jev 挂了或 key 没配时会直接抛错，回落到 Claude Code 内置摘要——toast 会告诉你发生了这件事。

审查、调度与技能

jev-review 把评审拆成一条判断链：先用 Noul 过风险矩阵，再用 Choice 加 Score 给文件画像，然后选证据、分类机制、打严重度分，最后条件路由给 reviewer；阈值和工作流策略都在代码里，Jev 只做有界判断。结果呈现在绑 127.0.0.1:4317 的本地看板。作者自己的定位是实验：「findings are review prompts, not proof of a defect」——它是提醒你去看哪里的工具，不是判官。

foreman 是十个项目里 star 最低的，但设计上有意思：它是一个 TUI，监督无头 Claude Code agent 走一条带人工闸门的流水线——plan、ADR/PRD、issues、TDD 构建、e2e。设计阶段有人工审批（hash 封存），构建阶段的 worker 则被编排器「关起来」，不指望它们自觉。状态全是仓库里可读的文件，声称构建中途 kill 掉能从磁盘恢复。目前交付 Phase 1 + 2，Phase 3 还在计划里；仅 Linux/WSL2 是测试路径。它同样不碰 Jev——它假设被调度的编码 agent 自己足够好，问题在怎么管。

typesafe-ai/skills 是官方唯一的技能包，一个 SKILL.md，教智能体怎么用 Jev：先读在线文档，再从行为倒推需要哪些判断，把已知规则、计算、查找留在代码里；每个问题只问一件收窄的事，独立的问题放在同一次请求里并行问；用概率和阈值驱动行为，但置信度只总结分布集中度，不等于工作流正确。装进 Claude Code 是一条 claude plugin install，其他 agent 走 npx skills add。

hermes-jev-skills 把同样的方法论铺开成 11 个技能：模型路由（约 0.4 秒/轮）、搜索（约 1.9 秒/轮，先排序再判断充分性）、记忆（每请求 60 段、上限 480 段）、技能选择（377 个已装技能里约 2.8 秒选出本轮该加载哪个）、邮件分拣（每条约 0.44 秒、0.00002 美元）。它最有意思的是两处自曝：网页筛选中，Jev 扣下 79 个含注入指令的结果里的 70 个，而 Hermes 自带的模式扫描只抓到 11 个；但 handoff 技能实测打不过原始 transcript——用 Jev 的 keep/summarize/drop 摘要写出的交接，召回率低于直接发全文，于是它默认只发整段对话（1,200 词）。一个项目承认自己的核心功能不划算并改发全文，比任何跑分都可信。

数据与交易

pg-jev 是一个 Postgres 扩展，让你写 WHERE jev(people, 'the name is European') 这样的谓词。每行作为一个复合值送审，首次调用启动预读，按物理顺序流式扫表；行按批（默认 20 行）打包成一个共享 state，摊销每次请求约 270 token 的固定开销——官方对比是单行约 435 token 对 20 行一批的每行 175 token。2,000 行的表首次全量约 3.5 秒、100 次请求、约 29.6 万输入 token、约 0.012 美元（官方自述），答案随后端会话缓存，重跑约 50 毫秒；带 LIMIT 3 的新条件约 0.6 秒。准确率随批大小下降：1–20 行一批全对，40 行 92–98%，80 行 77–94%——所以默认值是 20。代价写在明处：行内容会离开你的机器，需要 PostgreSQL 14–17 加 plpython3u 加超级用户，Supabase、Neon、RDS 这类托管平台直接跑不了。

jev-trader 是十个项目里离钱最近的：一个 Monad 链上的做市机器人，每个区块（约 300 毫秒）问一次 Jev 买还是卖，然后挂一笔 post-only 限价单，贴在盘口内侧一 tick，等 taker 来成交。300 毫秒的预算拆得很细：热循环只做两次 RPC 往返，盘口读取 p50 18 毫秒，整圈 p50 100 毫秒；刻意不做 gas 估算、不用同步发送、不收据等待——因为 Monad 按 gas limit 收费，订单落地与否都付。没有私钥时它 dry-run：真实的订单簿、真实的决策、模拟成交。这个项目值得单独提醒：README 里没有任何业绩数据（示例事件里的小额盈亏是演示数据），也没有金融风险声明，当实验看可以，当策略不行。

共同的模式

把十个项目排开，反复出现的是三条纪律。第一，模型只挑，代码定事实：日期、焦点、遮挡、页面新鲜度、成本上限，全部由确定性代码算好再交给模型——前沿模型免费做的推理，在这些项目里被一项项重建成状态。第二，概率当闸门用：keepThreshold 0.5、低置信停手、页面变化的结果不确定时停止而不是重试，置信度第一次从「感觉」变成了可配置的阈值。第三，一切 fail-open：Jev 挂了，回落到内置摘要、停止路由、交还控制权，最坏的代价是一个 2.5 秒的时间预算。

反方的证据同样要记在这里：所有数字都是自述，Jev 官方以「榜单易被操纵」为由拒绝公开 benchmark；早期访问的 API 随时可能变；行内容和对话会离开本机；十个项目里有两个根本不调用 Jev，也在这份榜单上；一个技能实测不划算并改了默认。把这些放在一起，能得出的结论只有一条：当一次判断便宜到 0.0002 美元、快到几百毫秒，以前因为「问模型不划算」而写成死规则的逻辑，现在可以逐条搬回来——值不值得，只能拿自己的工作流去量。

想试试的话

最短的路径是挑离自己最近的一个用例：给应用加语义判断，从 typesafe-ai 技能和官方文档开始；被 Claude Code 的压缩折磨，装 fast-jev-compaction；想看看浏览器智能体的新形态，跑 jev-ultrafast 的本地 demo；数据在 Postgres 里，试 pg-jev 的 Docker 镜像。key 在 TypeSafe 控制台申请；凡是能 dry-run 的都先 dry-run——jev-trader、typesafe-computer-use 和 pg-jev 的 README 都把无钥匙或 dry-run 模式放在了第一步。