批评“自我改进游戏测试代理”:只是 Jev 模型的包装
作者指出所谓的自我改进游戏测试代理实际上只是让 LLM 编写游戏机器人、出错后修复,本质上是运行在 Jev 模型 key 上的 Claude Code 封装,并宣传自己的游戏 QA 工具。
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
Sponsors
这些产品赞助了本目录。 把你的产品放上来
作者指出所谓的自我改进游戏测试代理实际上只是让 LLM 编写游戏机器人、出错后修复,本质上是运行在 Jev 模型 key 上的 Claude Code 封装,并宣传自己的游戏 QA 工具。
该游戏为视觉小说类型,除常规选项外支持自由输入,内部使用Jev出现后定义的SystemOneModels,输出限定为数值,更便宜且更快。
UEFN Ducky推出免费开源的Play Tester插件,允许Jev或所选模型在构建过程中对游戏进行试玩测试,并支持下载后让AI代理自我测试。
ForgeAI 公布其智能体在8次运行、4个模型下完成2,010步操作的结果,前五名差距在225分以内;其中模型负责制定计划,JEV负责选择每一步动作。
作者指出,Jev 的阻塞不是其决策错误,而是因为无法检测文本框、加泰罗尼亚 ROM 与西班牙 ROM 的地址不同、门循环和菜单卡住等问题。
信息流里每 16 张、每一页都有一张。每周 $50,任意一周可停。
Mojofull 将“出口ひとつ”3 体 AI 观战模式的 Flash 位刷新为 OpenAI 决策专用 API,并展示了 Jev 与 gpt 在不生成文本的决策特化 AI 之间直接比较,以及 1 步 12 项批量判定。
一位名为JustViewNews的用户表示已构建了一款由决策模型驱动的Battle Royale游戏,并询问能否获得JEV开发者访问权限,以便测试集成。
Maincode通过一场扑克游戏对决,展示Matilda和Matilda Jev的不同能力。Matilda由Agent SDK驱动,而Matilda Jev使用Client SDK的systemOne.evaluate() API,直观呈现两种模型在处理同一任务时的不同策略与表现。
开发者逆向工程了 Meta Ray-Bans,结合 Opus 5.5 和 Jev,打造了 3000+ Elo 的国际象棋 AI 眼镜,整个工作流已开源。
帖子展示了一个基于Claude Opus构建的游戏,玩家输入任何内容,AI即可在游戏中生成汽车、飞机、龙甚至陨石等元素,并支持在游玩时实时修改游戏,运行在Jev和GPT-OSS-120b等模型上。

开发者逆向工程Meta Ray-Bans 3,结合Opus 5.5与Jev打造AI国际象棋眼镜,并开源完整工作流程。
这个象棋变体中,指令以光速传播:靠近王的棋子立即行动,远处的棋子需要1至3回合收到指令。Claude 与 TypeSafe 的 Jev 对弈时,Jev 虽然失去皇后并落后12分,但最终反超领先8分。
在 GitHub 点 Star,支持我们继续收集和整理 Jev 案例。