最近一周开发者圈里突然多了一个词Jev。它不是又一个会聊天的大模型。TypeSafe AI 在 2026 年 9 月 15 日放出的 Jev定位是System One / 决策模型你给它一段状态state再塞一组事先定义好的问题它不写段落、不吐 JSON 散文只回三类答案——Choice从最多 255 个选项里选一个Score按你给的量表打分Noul是/否的概率0–1每个问题大约耗时是70–500 毫秒、输入每百万 token 0.042 美元、输出免费。问题可以一次并行问很多个延迟几乎不随问题数线性爆炸。所以它特别适合塞进 Agent 循环、浏览器点击、代码审查、高频交易这类「每一步都要做选择题」的场景。按图索骥这 20 个项目其实只有一条主线大模型负责写和想Jev 负责判和选。类型项目浏览器 / 桌面操作1 jev-ultrafast、11 agent-desktop编程 Agent 基建2 压缩、4/5 MCP、7 路由、8 Winnow、9 审查、10 Blink、19 Canny生成式 UI3 json-render命令行 / 数据流水线6 SemDecide、18 jev-curate游戏与实时控制12 马里奥、13 无人机、14 1v1 FPS交易15 jev-trader、16 Prism知识图谱17 neo4jev创业判断20 killmyideajev-ultrafast7 秒搜完 Google Flights仓库https://github.com/browser-use/jev-ultrafast出品Browser Use这是目前生态里最炸的项目之一。它把网页变成一张「编号后的控件表」按钮、下拉框、输入框各有编号。Jev 每一步只回答两件事——下一步做什么点击 / 输入 / 选择 / 滚动 / 等待 / 完成以及点哪个元素。只有选中「打字」时才把城市名这类字符串交给一个小生成模型。作者给出的标杆任务苏黎世飞伦敦Google Flights 完整搜索大约7.1 秒含页面加载和真实输入中位 Jev 延迟约 178 毫秒。优化后浏览器协议调用从一千多次降到一百次左右。它不靠截图视觉循环靠 DOM 快照和索引动作空间所以快、也便宜。适合想做网页 Agent、但不想每一步都让大模型写一长段「我现在要点搜索按钮」的人。fast-jev-compaction压缩上下文但不改写原文仓库https://github.com/tamaratran/fast-jev-compactionClaude Code 自带 compaction 会让模型「总结」旧对话。总结一写文件路径、报错原文、约束条件就容易丢。这个插件换了一种做法把整段会话交给 Jev对每条工具调用问「还需要吗」「输出要不要原文保留」。没用的删或截断留下的一字不改。用户和助手正文始终原样保留。有人实测Desktop 会话从约 18.8 万 token 压到 3.3 万大约1.4 秒、压缩率 82%。失败或压缩不够时会回退到官方摘要。社区也有 Codex 移植版但 Codex 的 hook 不能像 Claude Code 那样直接替换压缩结果效果会打一点折扣。适合会话里堆满 Read / Grep / Bash 输出、一压缩就丢关键证据的人。json-renderJev 不写 JSON只选组件仓库https://github.com/vercel-labs/json-render出品Vercel Labsjson-render 是生成式 UI 框架你先规定组件目录按钮、表单、表格……模型只能在目录里组界面。v0.21.0 加了实验性 Jev 组合器Jev不逐 token 生成 JSON只在候选组件、属性和布局里做 Choice。代码再把选择拼成合法 spec用现有 React / Vue / Svelte 等渲染器画出来。Playground 里可以切到「Jev」模式通过 Vercel AI Gateway 调用typesafe-ai/jev。本质是把「生成 UI」从开放写作改成「在白名单里连连看」。适合做 AI 生成界面、又受不了模型写出非法 JSON 的产品团队。typesafe-mcp刚拿到 Key 的人先装这个仓库https://github.com/itsmostafa/typesafe-mcp作者 Mostafa 做的 Go 单二进制 MCP。装好后Claude Code、Claude Desktop、Codex、Pi 都能直接调一个evaluate工具把 state Choice / Score / Noul 丢给 Jev拿回带概率的结构化答案。没有提示词要维护也没有 JSON 解析层。原帖说「最适合刚拿到 API 的人」就是这个意思——它不教你业务只把 Jev 的三种原语接到日常 Agent 里。一条命令可完成注册。适合先验证「Agent 会不会主动去问 Jev」再考虑更复杂的审查 / 路由插件。jev-mcp现成的判断工具箱社区里叫 jev-mcp 的仓库不止一个原帖指向的是「事实核验、内容筛查、语义排序、分类、信息提取」这一路。最完整、被引用最多的是https://github.com/jkudish/jev-mcp它把常见判断收成十个 MCP 工具例如jev_verify主张 vs 证据支持 / 矛盾 / 没说jev_screen进上下文前先筛不可信内容jev_find/jev_rerank语义找和重排jev_classify/jev_decide分类和有界决策jev_review/jev_gate看 diff、核对「做完了」的声明一次调用大约 150–500 毫秒。Agent 仍然负责改文件、跑命令Jev 只给类型化判决。另外还有面向编码循环的变体如 burnigtm/jev-mcp工具名会更偏jev_coding_loop、jev_tool_route。适合已经在用 MCP、想给 Agent 加一层「廉价机械检查」的人。SemDecideShell 里的语义 grep仓库https://github.com/sharziki/semdecide作者把它叫做「意义版 grep、判断版 jq」。标准输入灌文本或 JSONL它输出谓词、路由、分数、过滤后的流以及稳定的进程退出码。不写 prompt不解析散文不确定时按你设的阈值走。典型接法爬虫结果先过一层相关性过滤CI 里对 changelog / 告警文本分类数据管道里按语义丢掉垃圾行。Jev 出判断Unix 哲学管输入输出和失败码。适合运维、数据、爬虫脚本党不想为一次分类拉起完整 Agent。jev-codex-router这一轮有多难再决定用哪档模型仓库https://github.com/0xNatoshi/jev-codex-routerCodex 每一轮含工具续写先让 Jev 看任务难度再选模型档位、思考深度、速度模式。简单改注释走便宜快档碰架构 / 安全走强档。本地跑一个分类服务再接到 Codex Router 的jev/auto提供者上。注意它只路由「下一轮该用谁」不代替代码审查也不保证质量分能豁免最终人工复核。同类还有面向 Claude Code Codex 双端的jev-router。适合订阅里有多档模型、心疼每轮都开满推理的人。Winnow上下文垃圾回收仓库https://github.com/GhalebDweikat/winnow和第 2 条压缩不同Winnow 发生在工具结果刚出来、还没进上下文的那一刻。大段 Read / Bash / Grep 会被切成约 25 行一块Jev 对每一块问「当前任务还需要这块吗」高相关、不确定原文保留确定不相关换成三行占位藏了什么、廉价模型写的一小段摘要、召回 key看起来像报错一律不藏全文缓存在本地Agent 需要时用 key 取回。原则是不确定就不能丢。没有 Jev Key 时可用 Haiku 适配器顶上但校准会差一截。适合动不动读整个大文件、上下文被日志淹没的 Claude Code 用户。jev-review审查前先把高风险改动挑出来原帖强调「带本地看板」对得上https://github.com/devagrawal09/jev-review流程是分阶段判断而不是一次让大模型写整篇 Review风险矩阵Noul→ 文件画像Choice Score→ 抽证据 → 机制分类 → 严重度打分 → 再决定要不要交给更贵模型或人。结果在本机看板127.0.0.1:4317里展开。另有 NiazMorshed2007/jev-review走 MCP给 Claude Code / Codex / Cursor / OpenCode 连续打质量维度分。两者都强调Jev 打分Agent 或人改代码。适合PR 太多、想先筛「周五能不能合」的团队。Blink把仓库当成要走的迷宫仓库https://github.com/ellipsis-dev/blink不问「这段代码什么意思」只问「下一层该进哪个目录 / 文件」。多个 walker 从根目录出发Jev 给文件夹和文件名打分高分路径分到更多 walker直到落到文件。输出是一张表每个文件收走了百分之多少的 walker。它读的是路径和名字不是全文件内容所以快也因此找不到「名字完全不像、内容却相关」的文件。适合「认证逻辑在哪」这类定位题不适合当完整 Code Review。适合大仓库冷启动、先缩小范围再让大模型精读。agent-desktop读无障碍树点下一个按钮仓库https://github.com/lahfir/agent-desktop这是桌面自动化运行时v0.9.2 起带了 jev-desktop 技能。系统无障碍树按钮、菜单、输入框被编成候选Jev 判断下一步点谁、输入什么。飞标可以跟着元素走便于录屏看决策。和 jev-ultrafast 是同一思路屏幕是选项表不是要看懂的照片。同类还有 awlevin/typesafe-computer-usemacOS OCR。共同限制无障碍树残缺、自定义绘制控件、验证码都会让判断层失明。适合想把「电脑使用」从截图 VLM 换成结构化控件选择的人。typesafe-mario不看画面读内存打马里奥仓库https://github.com/fhshaik/typesafe-mario模拟器 RAM 被翻译成结构化 JSON马里奥运动、跳跃轨迹、前方敌人、地形、近期操作效果。Jev 在封闭动作集里选一个原地、右走、右跳、右跑、跑跳、跳、左走。默认每 8 帧决策一次。仓库不含 ROM需自行合法准备游戏文件。这是教学意义很强的例子感知在代码里完成模型只做选择。去掉视觉才能单独衡量决策质量。后续也有人做成多游戏实验室马里奥 / 功夫 / Doom。适合想直观感受 System One 在闭环控制里长什么样。jev-drone飞控保命Jev 只做战术仓库https://github.com/RomanSlack/jev-drone演示站https://jev-drone.vercel.appMuJoCo 里的四旋翼Skydio X2 机模只用机载相机飞五站障碍。几何控制器跑在控制频率上负责稳定和安全Jev 大约2.5 Hz看结构化态势决定爬升、刹车、穿缝这类上层动作。作者把问题、选项和阈值集中写在战术层文件顶部改策略改数字不改提示词长文。这是仿真不是真机适航认证。但它把「判断」和「控制」拆开对机器人、自动驾驶很有参考价值。适合做具身智能、想把大模型从内环拿出去的人。OneVOneJev浏览器里和 Jev 1v1仓库https://github.com/emrickgarrett/OneVOneJevThree.js 第三人称 / FPS 竞技场先到 5 杀。服务端 60Hz 模拟Jev 每个决策 tick 在走位、视角、瞄准、开火、跳跃里做选择。Bolt-action 狙击开镜稳定后才准故意做成 MW2 式 quickscope。没 Key 时有启发式兜底。它把「决策模型能不能进游戏循环」做成可玩的东西延迟必须压在几百毫秒输出必须是枚举不能是一段作战分析。适合演示、录视频、或研究实时对抗策略。jev-trader每个 Monad 区块做一次买卖仓库https://github.com/jarrodwatts/jev-trader演示https://jev-trader.vercel.appKuru 上的 MON-USDC 订单簿Monad 大约每 300 毫秒出一块。Jev 看盘口回答买还是卖程序挂 post-only 限价单吃价差而不是吃单。作者报过模型延迟大约81ms。没私钥默认空转MODELjev才走真模型。口号很冲「AI 比 Gas 还便宜。」但这是实验盘不是理财建议。架构上仍然是代码算中间价和库存Jev 只做方向判断硬风控一票否决。适合想看决策模型能不能进链上节奏而不是真拿去梭哈。Prism判断市场状态但不下单原帖写得很明确Jev 判断 toxic flow、市场压力、均值回归再交给原有策略。社区目录里对应的是 irfndi 这一路 TypeScript 项目——故意不让模型碰下单键。和 jev-trader 对照着看更清楚jev-traderJev 直接选买/卖PrismJev 给「现在是不是有毒流 / 该不该收缩报价」这类状态标签执行仍走你已经信任的规则亏钱的那一步保持确定性模型只负责难写规则的「读盘感觉」。另有 buberlo/jev-trader 把 regime、方向、toxic_flow、流动性压力拆成一次请求里的六个原子问题思路同类。适合已有交易系统、只想加一层状态机而不是把整盘交给模型。neo4jev在图上一次走一条边仓库https://github.com/jexp/neo4jev作者Neo4j 社区老兵 Michael Hunger默认连 Neo4j 公开的 Companies 知识图谱。走到一个节点就把出边关系类型、属性、目标节点列成 ChoiceJev 给出下一步该走哪条边的概率分布。路径和邻域用 neo4j-viz 画出来。schema 现场发现不写死标签名。这是 GraphRAG 的另一种走法不是一次检索一堆邻居再让 LLM 写作而是语义走迷宫。适合「从这家公司找到相关投资人 / 竞品」这种跳步问题。适合已经把业务放进图数据库、需要可解释探索路径的人。jev-curate筛训练数据仓库https://github.com/AkashPriyadarshii/jev-curateRust CLI PythonPolars / PyArrow。JSONL / Parquet 流式读入用预设量表做质量、相关性、风险判断通过的进训练集丢掉的另存。作者宣称可到每秒 1500 行取决于并发和行长度并强调输出 token 免费带来的成本优势。预设包括数学推理等场景。它不做开放改写只做「这条要不要留下」。对合成数据和预训练语料这种海量、重复、质量参差的东西决策模型比聊天模型更对口。适合微调团队、数据平台想先便宜地过一遍质量门。Canny不许 Agent 嘴硬说做完了仓库https://github.com/qkal/Canny挂在 Claude Code / Codex 的 hook 上记一本只追加、不改写的账本改了哪些文件、跑过什么命令、退出码是多少、测试过没有。Agent 宣称「完成」时先看账本里有没有证据。原则写在 README 第一行事实归代码判断归 Jev只有事实能否决。没跑测试、没构建、刚改完就报完成直接拦住。Jev 可以建议「这声明靠不靠谱」但不能单凭概率放行。零运行时依赖安装路径故意简单。适合被「我已经修完了测试是红的」折磨过的人。killmyidea创业点子的死刑判决书仓库https://github.com/monteduro/killmyidea输入一段点子一次请求并行问 10 个问题8 个独立开发者视角的 0–4 分项真问题、赚钱、切入、竞争……外加品类和「这句话人能不能看懂」。加权平均后低于 50KILL50–64FIX65 及以上SHIP目标可切「赚钱 / 开源 / 好玩」权重会变。没有生成模型写商业计划书只有分数和判决。恶趣味但把 Jev 的本职展示得很干净多维度打分最后落成三个动作。适合点子太多、需要一个不讲情面的过滤器。不当作尽职调查。​最后我在一线科技企业深耕十二载见证过太多因技术更迭而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我整理出这套 AI 大模型突围资料包✅AI大模型学习路线图✅Agent行业报告✅100集大模型视频教程✅大模型书籍PDF✅DeepSeek教程✅AI产品经理入门资料完整的大模型学习和面试资料已经上传带到CSDN的官方了有需要的朋友可以扫描下方二维码免费领取【保证100%免费】​​为什么说现在普通人就业/升职加薪的首选是AI大模型人工智能技术的爆发式增长正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议到全国两会关于AI产业发展的政策聚焦再到招聘会上排起的长队AI的热度已从技术领域渗透到就业市场的每一个角落。智联招聘的最新数据给出了最直观的印证2025年2月AI领域求职人数同比增幅突破200%远超其他行业平均水平整个人工智能行业的求职增速达到33.4%位居各行业榜首其中人工智能工程师岗位的求职热度更是飙升69.6%。AI产业的快速扩张也让人才供需矛盾愈发突出。麦肯锡报告明确预测到2030年中国AI专业人才需求将达600万人人才缺口可能高达400万人这一缺口不仅存在于核心技术领域更蔓延至产业应用的各个环节。​​资料包有什么①从入门到精通的全套视频教程⑤⑥包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图还有视频解说全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤ 这些资料真的有用吗?这份资料由我和鲁为民博士共同整理鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。所有的视频教程由智泊AI老师录制且资料与智泊AI共享相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌构建起前沿课程智能实训精准就业的高效培养体系。课堂上不光教理论还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作把课本知识变成真本事‌​​​​如果说你是以下人群中的其中一类都可以来智泊AI学习人工智能找到高薪工作一次小小的“投资”换来的是终身受益应届毕业生‌无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术。零基础转型‌非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界‌。业务赋能 ‌突破瓶颈传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型‌。获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】**​