Jev + 决策模型:让Agent仅在变化时决策
作者分享将Jev与决策模型结合,并添加tinyfish监控器,使智能体仅在环境发生变化时才做出决策。
THE JEV GUIDE · CURATED EDITION
TypeSafe Jev 的发布、原理、演示与社区实践,按主题整理。每条内容都可回到 X 原帖核对。
人工精选 · 非全量收录 · 手动更新
01 / EXPLORE
0 表示待收录
作者分享将Jev与决策模型结合,并添加tinyfish监控器,使智能体仅在环境发生变化时才做出决策。
分享一个编码代理模式:/ticket-triage 让 Jev 定位代码位置,Cursor 检查仓库,Jev 在 diff 后标记测试缺口,PHPUnit/Playwright 验证行为,提交前人工审查。
开源Jev助手通过无障碍服务读取屏幕,结合AI判断对方意图和危险等级,生成3条候选回复并支持一键填入,不会自动发送。
Koimiao 团队用 Jev 构建了一座斯坦福小镇模拟。它不是游戏演示,没有玩家,居民自主决定去向、会面与交谈,人类只能旁观。含演示和 GitHub 代码。 链接
通过让Jev在调用重型LLM前担任快速直观的门控,混合管道显著降低token成本和延迟,同时保留高质量的记忆提取与知识图谱构建能力。
Jev Engineering 的 Autopilot 旨在解决 AI 代理群(如 Kimi 运行多达 4,000 步)只知道执行、不知道何时停止的问题。
用户使用Jev控制安卓手机,自主打开Uber应用、输入行程并进入支付界面,共9个操作,耗时约21秒。
作者展示使用 Jev 快速定位入口并准确填写外链信息,并计划将之前的 Submit Agent 改用 JEV 模式。
原帖指出,Luna单独运行每次胜利约消耗39次调用、5分钟、0.037美元;而Jev+Luna组合仅需约4次调用、1.7分钟、0.009美元,强调了Jev在效率与成本上的显著优势。
Luna保持安静,直到Jev连续三次同样的动作没有进展,然后给出简短提示。Jev仍执行每个动作,Luna只负责指正。
JevTree 通过前向展开多条候选未来并合并等价状态,将局部直觉编成长程概率图,帮助 Jev 自主处理多步决策。
JEV 一周内突破 18K Stars。jev-ultrafast 将每个浏览器决策拆分为操作、点击目标和输入文本,一次 LLM 请求替代五次,7.1 秒完成 Google Flights 从苏黎世到伦敦的预订,而 ChatGPT Operator 需 3 分钟且月费 200 美元。