智能体与自动化 · 01
教程把语音指令转换为浏览器操作
Moritz Kremb 在一段较长的教程中构建了语音控制浏览器。语音先被转成文字，再由 Jev 从当前页面元素中判断用户意图对应的操作和目标。
Jev 负责的决策这是一条操作指令吗？如果是，应该执行哪个可见操作？
Jev 只是整个循环中的一个环节。语音识别、浏览器状态、安全检查和实际点击都在模型之外处理。
社区案例 · YouTube 视频
社区案例精选
看看开发者如何 使用 Jev。
浏览来自 X 和 YouTube 的 Jev AI 产品功能、实验与教程。每个案例都聚焦一个可以借鉴到自己项目中的具体决策。
69 个精选案例2 个内容平台每张卡片均附原帖或原视频链接更新于 2026年10月27日
案例列表
从具体决策开始。
按所解决的问题浏览演示和实际产品案例。每条 X 帖子和 YouTube 视频都附有我们的说明，解释 Jev 负责哪项具体决策。
正在显示 69/69 个精选案例
SDK 与示例 · 02
教程在三个应用中比较 Choice、Score 和 Noul
Riley Brown 介绍了 Jev 的三种输出形式，并展示了几个小型应用，包括为请求选择模型和对邮件进行分流。
Jev 负责的决策应用所要做的决定适合哪一种回答形式？
先确定输出格式：选择一个选项、给出数值评分，或回答一个是非问题。如何根据结果采取行动，仍由应用程序负责。
社区案例 · YouTube 视频
SDK 与示例 · 03
教程观看 TypeSafe 团队现场讲解 Jev
TypeSafe 开发者关系负责人 Allie Laabs 做客 ThursdAI，讲解 System One 模型以及 Choice、Score 和 Noul 三种能力。节目还包括帖子分类器和实时游戏演示。
Jev 负责的决策哪个结构化问题可以替代开放式生成步骤？
这段访谈提供了来自团队的背景说明、演示和待讨论问题。节目中提到的性能和价格数据属于发言者的说法。
社区案例 · YouTube 视频
评测与基准测试 · 04
已上线功能按照编辑标准审查健康内容
Frederik Hermann 介绍了 23andMe 的做法：参考已发布文章形成质量标准，再由 Jev 从语气、清晰度和科学准确性等维度判断新稿件。
Jev 负责的决策这篇稿件是否充分满足各项编辑质量标准，可以进入下一环节？
健康相关内容仍由人工审阅，评分主要用于加快处理结论明确的稿件。这是优先级判断层，不是自动发布系统。
社区案例 · X 帖子
智能体与自动化 · 05
原型把重复的 Windows 任务沉淀为可复用操作
POK-Agent 把规划与执行分开：较大的模型负责制定计划，Jev 根据当前屏幕状态选择操作，成功重复的任务则逐渐沉淀为可复用流程。
Jev 负责的决策Windows 智能体下一步应该执行哪个允许的屏幕操作？
该开源项目报告，重复任务回放时可减少 28% 的规划模型调用。具体操作、权限控制和不确定情况下的恢复仍由宿主应用负责。
社区案例 · X 帖子
SDK 与示例 · 06
教程在 Goose 工作流中加入边界明确的 Jev 判断
Goose 团队发布了一篇实操教程，演示如何通过 Agent Skill 接入 Jev，并在 Goose 工作流中使用类型化决策。
Jev 负责的决策在这个决策点，哪一个范围明确的答案最适合引导后续流程？
教程重点展示集成边界，而不是某个固定应用。状态、候选答案和拿到结果后执行的动作仍由开发者定义。
社区案例 · X 帖子
搜索与排序 · 07
原型判断何时展示带来源的对比卡片
OpenMuse 用 Jev 判断一份研究型回答是否适合展示可点击的对比卡片，以及这些卡片应该如何排序。
Jev 负责的决策是否应该显示对比卡片？如果显示，怎样排序最有帮助？
卡片内容来自 OpenMuse 实际读取过的页面。Jev 负责展示时机与排序，并不会编造来源材料。
社区案例 · X 帖子
工程 · 08
原型对应用执行结构化质量检查
Mathias 演示了让 Jev 在应用测试流程中评估当前状态，把开放式检查拆成一组范围明确的判断。
Jev 负责的决策当前应用状态是否满足这项质量检查？
这段简短演示说明了交互模式，但没有公开完整测试集或基准。如果一项检查可以精确表达，仍应优先使用确定性断言。
社区案例 · X 帖子
搜索与排序 · 09
教程人工复核前先为大量 SEO 页面分流
Takuma Oka 提议让 Jev 初步处理爬虫或 Search Console 数据，把页面分到保留、重写、合并或待确认队列。
Jev 负责的决策这个页面应该进入哪个内容处理队列？
这是一套实务流程建议，并非已经公布的生产基准。搜索意图和全站策略仍由编辑判断，Jev 负责缩小人工复核范围。
社区案例 · X 帖子 · 日语
工程 · 10
原型结合静态分析评估代码可维护性
Qlty 在 CLI 中推出 SlopOne 研究预览版，将静态分析与 Jev 结合，判断一段代码是否会让有经验的开发者难以维护。
Jev 负责的决策这个文件的可维护性如何，哪些问题值得优先检查？
Qlty 表示其内部测试表现更好，但这项预览功能不能替代测试和代码审查。它更适合帮助团队确定审查文件和重构工作的优先级。
社区案例 · X 帖子
评测与基准测试 · 11
已上线功能判断智能体运行轨迹是否存在问题
TraceRoot 把 Jev 加入检测器的评审选项，用来估算一段运行轨迹出现问题的概率，并为可能的问题类型分配概率。
Jev 负责的决策这段运行轨迹是否有问题？最符合哪一种问题类型？
概率化分流让判断更容易检查，但团队仍需根据自己的数据定义标签、阈值，并为影响较大的事件保留人工复核。
社区案例 · X 帖子
安全防护 · 12
已上线功能在执行前拦截违反策略的工具调用
OpenRouter Armor 在智能体调用外部系统之前，使用 Jev 判断这次工具调用是否符合预先配置的策略。
Jev 负责的决策这次工具调用是否符合用户意图和已配置的策略？
OpenRouter 报告称，它在自家对比中比 Claude Code 的自动分类器表现更好、成本更低。这仍是厂商数据；真正的拦截必须由运行时执行，并保留明确拒绝规则和审计日志。
社区案例 · X 帖子
智能体与自动化 · 13
原型直接根据语音选择手机操作
Caine 演示了一套音频动作模型：它听取用户指令，再由 Jev 从当前手机页面可用的操作中选择对应动作。
Jev 负责的决策当前页面的哪些操作最符合这条语音指令？
作者报告了相较 Gemini Live 的速度和成本优势，我们尚未独立复现。执行范围应限制在可撤销且经过权限控制的操作内。
社区案例 · X 帖子
工程 · 14
原型把 UI 截图映射回发生变化的系统架构
PR Lens 使用 Jev 的图像输入能力，读取智能体提交的 PR 截图，再把画面中的变化放回系统组件和数据流画布中。
Jev 负责的决策这项可见的界面变化对应哪些架构组件和数据流？
可视化架构图能帮助审查者建立整体认识，但不能证明代码正确。代码差异、测试和安全检查仍然不可省略。
社区案例 · X 帖子
工程 · 15
原型检查无障碍树看不到的界面细节
Oskar 将 Jev 视觉能力接入端到端测试，检查 Canvas、图表、删除线和手绘文字等难以通过无障碍树识别的内容。
Jev 负责的决策渲染后的界面是否满足这项视觉断言？
视觉判断适合补充确定性选择器；能够通过 DOM 或 API 精确判断时，不应由它替代。还应保存截图和阈值，让失败结果可以复核。
社区案例 · X 帖子
搜索与排序 · 16
已上线功能识别论文摘要中的方法和基准并添加链接
Papers with Code 先用规则找出候选词组，再让 Jev 判断它们是否指向值得链接的方法或评测基准。
Jev 负责的决策这个词组是否确实是应该链接的方法或基准名称？
这套生产流程把确定性的候选生成与语义判断结合起来。团队报告处理 12.1 万篇论文约花费 5 美元，这个数字只代表其具体实现。
社区案例 · X 帖子
智能体与自动化 · 17
原型从智能体会话中保留可复用经验
Avi Chawla 演示了 Beacon 如何采集智能体运行轨迹，再由 Jev 判断哪些纠正信息和工程经验值得在不同编程智能体之间复用。
Jev 负责的决策这条经验是否足够通用且有价值，值得提供给其他智能体？
决策层可以减少记忆噪音，但留下的经验仍需记录来源、设置有效期，并允许纠正错误指引。该帖子介绍的是开源集成，并非独立基准。
社区案例 · X 帖子
游戏 · 18
原型让数百个 NPC 在模拟城市中实时行动
Cris Lenta 展示了一段旧金山模拟画面，其中有 800 多个由 Jev 驱动的角色实时做出决定。
Jev 负责的决策根据角色当前所处的局部状态，它下一步应该采取哪种可用行为？
视频展示了规模和视觉效果，并不是游戏体验或模拟质量基准。规则、世界状态和有效动作仍由模拟引擎负责。
社区案例 · X 帖子
智能体与自动化 · 19
原型用截图驱动电脑操作循环
System One Computer Use 是一个开源原型，会重复执行“截图、判断、点击或输入”的循环，并记录每一步的截图、决策和成本。
Jev 负责的决策下一步应该执行哪个安全操作，还是因为不确定而停止？
项目会在没有把握时停止，而不是盲目操作。不过它仍是原型；用于无人值守前，需要更严格的权限、敏感操作保护和状态验证。
社区案例 · X 帖子
搜索与排序 · 20
已上线功能为智能体排序人物搜索结果
Treg 发布了一款由 Jev 驱动的开源人物搜索工具，可以向其他智能体提供经过排序的潜在线索。
Jev 负责的决策哪些候选人最符合这次线索搜索条件？
价格优势和基准排名来自开发者自述。负责任的使用还需要合法的数据来源、隐私控制，并在联系对方前进行人工确认。
社区案例 · X 帖子
沟通与消息 · 21
原型根据上下文选择有声书发音
Booksmith 把 Calibre 电子书转换成有声书，并让 Jev 根据上下文选择 lead、read 等多音词在句子中的正确读音。
Jev 负责的决策预先提供的发音中，哪一个符合这个词在当前句子里的含义？
Jev 负责选择发音，Kokoro 负责合成语音，章节和 Plex 素材由应用生成。作者公布的是一本小说的处理时间，不能视为通用基准。
社区案例 · X 帖子
智能体与自动化 · 22
原型路由智能体请求前识别新一轮对话
HiRoute 使用 Jev 判断当前输入是否开始了新一轮对话；如果只是已经识别的工具调用续接，就复用之前的路由结果。
Jev 负责的决策这条输入是否开启了需要重新路由的新一轮对话？
复用仍然有效的判断，可以避免多余的路由调用。项目仍需明确处理过期状态、被中断任务和含义模糊的续接。
社区案例 · X 帖子
搜索与排序 · 23
已上线功能根据个人研究兴趣筛选每日新论文
DAILYPAPER-SKILLS 从 Hugging Face 和 arXiv 收集论文，先由 Jev 评估主题相关性，再让智能体为入选论文撰写综述和 Obsidian 笔记。
Jev 负责的决策这篇论文与设定的研究兴趣有多相关？
这种分工让写作模型不必处理全部高频筛选。读者仍需要了解搜索召回率、兴趣配置变化和每篇论文的来源。
社区案例 · X 帖子
SDK 与示例 · 24
已上线功能在 Google ADK 工作流中选择处理分支
Google ADK 2.13 原生支持使用 Jev 做路由，让智能体通过类型化判断选择工作流分支，而不必让生成式模型写出路由结果。
Jev 负责的决策这条 ADK 工作流应该进入哪个已配置的处理分支？
原生集成减少了连接代码，但分支定义、置信度规则和回退方式仍由开发者负责。
社区案例 · X 帖子
搜索与排序 · 25
已上线功能为古典汉语佛教传记标注研究主题
Sangyop Lee 介绍了在古典汉语佛教传记研究中使用 Jev 进行定性编码的实践。
Jev 负责的决策哪一个定性研究标签最适合描述这段文字？
研究者表示，该项目中的效果接近前沿语言模型，成本约为十分之一。这只是具体项目的观察；严谨研究仍需公开编码手册并检查标注一致性。
社区案例 · X 帖子
智能体与自动化 · 26
已上线功能为 Workday 任务选择动态界面操作
Sana 展示了通过动态界面快速完成 Workday 操作的体验，并说明这项功能由 Jev 驱动。
Jev 负责的决策预先准备的界面操作中，哪一个最符合当前 Workday 请求？
公开帖子展示了产品体验，但没有披露完整架构或基准。Jev 只是 Sana 与 Workday 整体工作流中的决策环节。
社区案例 · X 帖子
智能体与自动化 · 27
原型返回答案前检查研究材料是否充分
Sumanth 的开源研究智能体使用 Nemotron 和 Tavily 收集资料，再让 Jev 判断结果是否充分支持并覆盖了用户的问题。
Jev 负责的决策这份研究结果是否完整且证据充分，可以交付给用户？
Jev 负责最终检查，并不承担检索或写作。良好的实现应明确指出缺失证据并限制重试次数，避免无休止地重复搜索。
社区案例 · X 帖子
工程 · 28
原型用类型化判断和 AST 约束 Text-to-SQL
Satoshi Nagayasu 构建了一个原型，将 Jev 决策与抽象语法树结合，把自然语言请求转换成结构受约束的 SQL。
Jev 负责的决策SQL 结构的这个位置应该填入哪个有效查询组件？
AST 提供确定性结构，Jev 解决范围明确的语义选择。数据库权限、查询校验和资源限制仍然必不可少。
社区案例 · X 帖子 · 日语
沟通与消息 · 29
原型用户说话时提前预热可能的语音操作路径
Allie Laabs 介绍了一款定制语音智能体：它不断把流式语音转写交给 Jev，提前预热可能的意图处理路径，有时会在用户说完前执行低风险操作。
Jev 负责的决策哪条意图路径越来越可能？现在是否已经安全到可以执行？
提前执行必须受到风险和可撤销性的限制。即使意图置信度很高，遇到含糊表达、口误修正和敏感操作时仍应再次确认。
社区案例 · X 帖子
工程 · 30
已上线功能在数据管道中直接分类数仓记录
Bruin 推出推理资产，让团队可以在数据管道运行期间丰富数仓数据，例如使用 Jev 为 Snowflake 中的支持工单分类。
Jev 负责的决策这行数据应该写入哪个已配置类别？
把推理作为管道资产，有利于统一调度和观测。团队仍需处理批量请求、失败重试、提示版本管理和低置信度记录复核。
社区案例 · X 帖子
工程 · 31
已上线功能预测一条提示会调用哪个 Claude Code Skill
Jev Skill Typeahead 会在用户输入提示时实时分析，并显示各个已安装 Claude Code Skill 被调用的估算概率。
Jev 负责的决策这条提示最可能调用哪个已安装的 Skill？
这项预览可以在真正执行前帮助开发者检查和优化 Skill 路由，而且不消耗 Claude token。它只预测处理路径，实际任务仍由 Claude Code 完成。
社区案例 · X 帖子
游戏 · 32
原型在不断变化的 iPhone 游戏界面中选择测试操作
Joe Jiang 介绍了把 Jev 接入自动化测试系统的做法，让系统在不同游戏和不同界面状态下，判断下一步应该按哪个屏幕控件。
Jev 负责的决策在当前游戏状态下，测试程序应该按下哪个可用控件？
作者反馈实际效果很好，但没有公开测试语料。设备操作、结果断言和失败恢复仍由决策模型之外的系统负责。
社区案例 · X 帖子 · 中文
安全防护 · 33
原型对本地检测到的人员判断防护装备是否齐全
Marco Franzon 先用原版 YOLO 检测人员，再由一款被称为 Jev 的本地 27B 视觉决策模型，逐一判断头盔、反光背心和风险等级。
Jev 负责的决策必要的防护装备是否齐全？当前风险有多严重？
作者报告，在一份数据集上，零样本头盔判断超过了他的微调 YOLO 对照。真正用于安全场景前，仍需针对不同地点、光线、装备和人群进行独立测试。
社区案例 · X 帖子
智能体与自动化 · 34
已上线功能替换浏览器自动化中的生成式决策步骤
BookSaver 表示，在经过数周测试后，已把浏览器自动化中的传统语言模型决策步骤换成 Jev。
Jev 负责的决策BookSaver 下一步应该执行哪个浏览器操作？
作者报告该应用中的速度提升约 3 倍、成本下降约 100 倍。这些都是特定工作负载下的自报结果，浏览器操作保护仍然不可缺少。
社区案例 · X 帖子
智能体与自动化 · 35
已上线功能在企业内部智能体框架中为请求分流
Sanity 介绍了一套内部框架，员工可以基于不同知识库、指令和工具快速创建智能体，其中 Jev 负责路由。
Jev 负责的决策这项内部请求应该交给哪条智能体处理路径或哪组工具？
Sanity 表示该路由器在内部使用中表现不错。其工程文章是一份实现案例，并不能直接视为适用于所有场景的路由基准。
社区案例 · X 帖子
安全防护 · 36
已上线功能在运行时边界检查智能体行为
Composio Firewall 在智能体跨越运行时边界前，使用 Jev 和 Composio 定制的小模型检查操作及流入的信息。
Jev 负责的决策这项智能体操作或这段信息是否允许通过运行时边界？
学习型防火墙可以补充沙箱、身份验证和确定性策略，但不能取代它们。判断需要完整日志、明确的失败关闭规则，并为敏感操作提供人工升级。
社区案例 · X 帖子
智能体与自动化 · 37
原型不改模型权重，让视觉工作流自行调整
Joseph Zhou 将 Google Research 的 Harness² 接入 Jev 1.14。实验循环会改写提示、构建图像处理工具，并在视觉任务中保留有效策略。
Jev 负责的决策下一轮视觉尝试应该调整哪项提示或使用哪个工具？
视频展示了不修改权重情况下的多轮基准提升，但我们核验时仓库尚未发布。在代码和评估细节公开前，应将其视为实验演示。
社区案例 · X 帖子
智能体与自动化 · 38
教程用边界明确的决策层为编程智能体分流
Avid 的 Keel 实操把 Jev 放在编程智能体的提案与宿主执行之间。系统用类型化问题选择处理路径或工具范围，并在 harness 中记录每次判断，便于之后检查和回放。
Jev 负责的决策智能体的下一步应交给哪条允许的处理路径或哪组工具？
Jev 只提供判断；权限控制和工具执行仍由宿主负责。应把这套做法视为一种实现模式，并为不确定的判断保留更强模型或人工回退。
社区案例 · X 帖子
SDK 与示例 · 39
教程微调一个开源的 Jev 风格决策模型
Hassan 发布了一套可复现流程：在范围明确的分类任务上微调 Qwen3.5-4B，部署到 Together AI，再用状态、问题和固定答案选项进行查询。
Jev 负责的决策给定的选项中，哪一个最适合回答这项分类问题？
Tev1 是独立开发的 Jev 风格模型，并非 TypeSafe 的 Jev。其公开结果复用了开发阶段的基准，token 对数概率也不等于校准后的置信度；依赖微调模型前应使用新的留出集评估。
社区案例 · X 帖子
SDK 与示例 · 40
原型在 Cloud Run 上部署兼容 Jev 的事故分流端点
Google Gemma 介绍了通过一条命令在 Cloud Run 部署 DiffusionGemma-Jev 的方法。这是一个独立实现的 Jev 兼容端点，部署示例会同时判断事故紧急程度、负责团队和严重级别。
Jev 负责的决策这起事故是否需要通知值班人员，应由哪个团队负责，影响有多严重？
这不是 TypeSafe 托管的 Jev 模型。Google Gemma 报告的单步延迟约为 35–60 毫秒，批量为 32 时每秒处理 100–123 个请求；硬件、冷启动和校准仍需针对实际负载测试。
社区案例 · X 帖子
智能体与自动化 · 41
原型从动态操作列表中选择浏览器智能体的下一步
Gregor 展示了一个开源浏览器智能体：它读取 DOM 状态和不断变化的可用操作，由 Jev 选择每一步；只有需要输入文字时，才回退到一个小型语言模型。
Jev 负责的决策当前可用的浏览器操作中，下一步应该执行哪一个？
作者称机票搜索示例约耗时 7 秒、成本 0.0039 美元。这只是演示数据，不应视为基准；操作执行和安全防护仍由应用负责。
社区案例 · X 帖子
安全防护 · 42
原型压缩上下文时只保留相关的工具调用
Tamara 演示了逐条评估工具调用、丢弃无关步骤的做法，而不是用生成式摘要改写需要保留的上下文。
Jev 负责的决策这条工具调用是否足够相关，值得保留在智能体上下文中？
逐条筛选可以保留入选内容的原文，但步骤之间的依赖关系和审计要求仍需确定性检查。
社区案例 · X 帖子
智能体与自动化 · 43
原型将 Box 事故报告分配到合适队列
Aaron Levie 演示了一个智能体：它读取 Box 中的事故报告，判断客户是否受到影响并评估严重程度，然后把文件移入升级、监控或人工复核文件夹。
Jev 负责的决策这起事故应该进入哪个队列，紧急程度有多高？
关键边界在于简短分类与执行分类结果的工作流之间。移动文件夹和更新元数据仍由应用代码负责。
社区案例 · X 帖子
搜索与排序 · 44
原型出价前评估二手商品信息
在一段西班牙语演示中，Alan Daitch 将 Playwright 与 Jev 结合，用来审查二手商品信息。Jev 判断商品是否符合要求，外围工作流则负责放弃、出价或向卖家询问缺失信息。
Jev 负责的决策这件商品是否符合购买者对尺寸、预算及其他条件的要求？
作者在后续帖子中说明，系统会针对页面文字进行五项是非判断。页面导航、报价和联系卖家是另外的操作，需要独立的审核规则与保护措施。
社区案例 · X 帖子 · 西班牙语
个人工具 · 45
原型根据讲话内容显示最相关的幻灯片
Rinte 的日语演示会根据当前谈论的主题选择匹配的演示幻灯片，演讲者无需操作翻页器或键盘。
Jev 负责的决策哪一张预先准备的幻灯片最符合当前讲话内容？
这是从现有幻灯片中进行选择的任务。语音采集和幻灯片展示属于 Jev 外围的应用功能；演示并没有让 Jev 生成幻灯片。
社区案例 · X 帖子 · 日语
客户支持 · 46
原型追踪对话进展状态
Kaneko 的日语原型会在每次发言后更新三组会议信号：探索或收敛、已解决或待处理、存在分歧或达成一致。
Jev 负责的决策当前对话在这三个维度上分别处于什么状态？
重复执行范围明确的判断，可以让实时讨论更容易理解。这个原型只是可视化工具，并不能证明这些标签准确反映了每位参与者的真实意图。
社区案例 · X 帖子 · 日语
智能体与自动化 · 47
原型用 Jev 引导电脑操作流程
在一段中文演示中，Sac 将 Codex 与 Jev 结合，在 Mac 日历中添加事件，并对比展示使用和不使用 Jev 辅助流程时的同一项任务。
Jev 负责的决策根据当前状态，下一步应该执行哪个可用的电脑操作？
并排视频直观呈现了响应速度，但这只是单个作者的对比，并非受控性能测试。实际操作及其结果验证仍由应用负责。
社区案例 · X 帖子 · 中文
搜索与排序 · 48
原型把新闻匹配到相关品牌
一段中文演示让 Jev 处理涉及 15 个品牌的新闻流，为新闻分配结构化意图标签，并找出可能与各品牌相关的报道。
Jev 负责的决策这条新闻是否与某个品牌相关，适合哪个意图标签？
作者称批处理速度很快，但回复中也有人指出明显的分类错误。因此，在把结果用于公关决策前，仍需要编辑审核和可量化的准确率测试。
社区案例 · X 帖子 · 中文
搜索与排序 · 49
原型按用户意图筛选检索到的邮件
Nader 展示了基于意图的 Gmail 搜索，并指出面对大型收件箱时，可以先做语义检索，再让 Jev 判断规模更小的候选集合。
Jev 负责的决策这封检索到的邮件是否符合用户正在查找的内容？
检索与判断是两个独立阶段。邮件访问权限、候选召回率，以及检查遗漏结果的方式仍然很重要。
社区案例 · X 帖子
智能体与自动化 · 50
原型在发起高成本模型请求前选择合适的 AI 模型
Duncan 展示了一个路由器：先让 Jev 判断哪个模型适合当前请求，再把请求发送给该模型。Jev 负责路由判断，另一个模型负责生成开放式回答。
Jev 负责的决策哪个可用模型最适合处理这项请求？
范围明确的选择可以放在生成式模型之前。路由器仍需设置回退规则，并用真实请求进行评估。
社区案例 · X 帖子
工程 · 51
已上线功能一键匹配名称不同的数据字段
Bannerbear 介绍了一项已经上线的功能：即使字段名称不同，也能把来源字段匹配到模板字段，例如将 avatar 对应到 photo、将 full_name 对应到 name。
Jev 负责的决策每个模板位置应该对应哪个来源字段？
这是一个候选范围固定的简洁语义匹配任务。产品仍应允许用户检查并修正建议的匹配结果。
社区案例 · X 帖子
工程 · 52
原型按语义为电子表格各行评分
Nader Dabit 分享了一段预测型电子表格演示：输入“紧急程度”等列标题后，表格会判断每一行文字的含义，而不只是重新计算数字公式。
Jev 负责的决策结合这一行的内容和列的含义，它的紧急程度有多高？
当需要的信号来自语义时，评分可以扩展电子表格的能力。该演示仍是原型，其评分在投入实际业务前需要经过测试。
社区案例 · X 帖子
安全防护 · 53
已上线功能用可撤销的过滤器折叠不想看的 Facebook 帖子
Cream O 的开源扩展 ZenFeed 会批量读取帖子摘要，让 Jev 判断各帖子是否符合用户设定的过滤条件，再以柔和模糊或折叠的方式处理命中项，同时避免信息流布局跳动。
Jev 负责的决策这条帖子与用户过滤条件的匹配程度，是否足以将它折叠？
项目方报告决策耗时低于 200 毫秒，我们尚未独立验证。更值得借鉴的安全设计包括单独检查白名单、设置置信度阈值、缓存结果，以及请求失败时保持帖子可见。
社区案例 · X 帖子
安全防护 · 54
原型标记异常网络数据包以便进一步检查
一位作者介绍了把 Wireshark 数据包交给 Jev 分类器的实验。该原型发现了一些流量，作者随后将其作为家庭网络中可能存在的后门活动进行调查。
Jev 负责的决策这个数据包模式是否可疑到值得进一步检查？
这是作者讲述的个案，并非经过验证的安全结论。采取行动前，必须确保抓包范围获得授权，并结合确定性规则和安全专家复核。
社区案例 · X 帖子
个人工具 · 55
原型按决策规则整理下载文件
Marcel Pociot 展示了一款监控 macOS“下载”文件夹的应用。它判断新文件是否为发票，再按照配置规则归档并重命名符合条件的文档。
Jev 负责的决策这个文件是否为应归入指定文件夹的发票？
作者表示，低置信度文件会留在原处等待人工检查。合理的阈值和重复文件检测，比让所有文件自动移动更重要。
社区案例 · X 帖子
安全防护 · 56
原型升级处理不确定的邮件分类
Hassan 展示了一条处理流程：先由 Jev 分类一批邮件，再把不确定的案例交给另一个模型，将快速初筛与更细致的复核分开。
Jev 负责的决策这封邮件是否可疑到需要升级处理？
最重要的设计选择是不确定性阈值。作者报告的准确率只适用于演示中的那批邮件，不能直接代表所有收件箱或欺诈模式。
社区案例 · X 帖子
客户支持 · 57
原型把大批邮件分流到支持队列
Riley Brown 演示了 Jev 在数秒内对 500 封邮件进行分类：系统从有限类别中选择，而不是为每封邮件生成回复。
Jev 负责的决策这封邮件最适合进入哪个已配置的队列？
作者称该演示总成本约为 0.035 美元。用于生产环境时，仍需明确标签体系、处理低置信度结果，并对重要邮件进行人工复核。
社区案例 · X 帖子
客户支持 · 58
原型批量按照 MEDDPICC 标准评估销售通话
Rahul Goel 表示，他把 392 段销售通话录音和 8 个 MEDDPICC 字段一次性交给 Jev，得到 3,136 项结构化判断，以及相应概率和支撑原文。
Jev 负责的决策这段通话是否包含支持各项销售资格标准的证据？
作者报告输入量为 294 万 token，总成本 0.1235 美元。这只是特定数据集的一次运行，并非通用 SLA；用户同意、访问控制、转录质量和校准仍然重要。
社区案例 · X 帖子
工程 · 59
原型用结构化检查初筛 PR
Paolo Rosson 把代码差异交给 Jev，得到一组关于潜在密钥泄露、SQL 注入、身份验证改动、测试缺失及其他审查信号的判断。
Jev 负责的决策审查者应该重点检查这份代码差异中的哪些风险？
这些结果只是审查提示，并不能证明代码可以安全合并。对于影响重大的改动，仍应保留人工审查和确定性扫描工具。
社区案例 · X 帖子
工程 · 60
原型用可重复的结构化评审器评估智能体运行结果
LangChain 从准确性、一致性、延迟和成本几个方面对比 Jev 与语言模型评审器，探索评估智能体行为的另一种方式。
Jev 负责的决策这次智能体运行结果是否符合评估标准？
只有当评分规则和标签能反映团队真正关心的行为时，更快的评审器才有价值。基准测试结论还应在各应用自己的数据上复现。
社区案例 · X 帖子
游戏 · 61
原型实时选择结构化的游戏关卡参数
Hugo Duprez 演示了 Jev 输出结构化决策，再由游戏引擎在游玩过程中据此构建下一段关卡。
Jev 负责的决策下一段关卡应该采用哪些允许的参数？
Jev 只在游戏预设的结构中选择；有效几何形状、难度上限和可通过的衔接仍由引擎保证。速度数据属于作者自述。
社区案例 · X 帖子
游戏 · 62
原型为 Pac-Man 选择下一步移动方向
Duncan 将迷宫状态作为 JSON 发送，并让 Jev 在 Pac-Man 到达岔路口时选择方向，再由游戏引擎实时执行这个范围明确的决定。
Jev 负责的决策Pac-Man 下一步应该转向哪个可行方向？
游戏能直观展示重复且对时延敏感的决策。这个演示说明的是控制循环，并不表示 Jev 可以直接看懂原始游戏画面。
社区案例 · X 帖子
搜索与排序 · 63
已上线功能发布前评估帖子草稿
Rob Hallam 展示了一段 SuperX 演示：系统针对每条帖子提出多项固定问题，再用答案对草稿排序。这说明评分可以辅助编辑，而不是替用户生成帖子。
Jev 负责的决策哪份草稿对目标受众呈现出最强的有效信号？
只有当排名与后续实际效果相关时，它才有价值。在独立复现之前，应把作者公布的表现数据视为演示中的说法。
社区案例 · X 帖子
搜索与排序 · 64
原型批量标记竞品广告库
Stav Zilbershtein 演示了如何按照客户旅程阶段和创意风格，对大型广告库进行分类，再用这些标签分析竞争对手的广告组合。
Jev 负责的决策每条广告属于哪个转化漏斗阶段和创意风格？
一致的标签让大型内容集合更容易比较。帖子中的耗时和成本均由作者报告；更深入的账户分析属于外围工作流，不一定是 Jev 的直接输出。
社区案例 · X 帖子
智能体与自动化 · 65
原型用经过批准的组件组合界面
Chris Tate 把 json-render 与 Jev 结合，让系统从应用提供的组件、操作和设计规范中进行选择，并在演示中快速组合出对应界面。
Jev 负责的决策应该用哪些经过批准的组件和操作来组成这个界面？
Jev 从应用预先定义的构件中选择，并不会生成不受限制的界面代码。演示中的速度来自作者报告。
社区案例 · X 帖子
智能体与自动化 · 66
原型在链上交易循环中选择买入或卖出
Jarrod Watts 把交易对价格数据交给 Jev，获得类型明确的买入或卖出判断，再由应用代码在 Monad 上的 Kuru 链上订单簿执行真实订单。
Jev 负责的决策根据当前价格数据，交易机器人应该买入还是卖出？
这个案例展示的是执行循环中的快速结构化判断，并不代表策略能够盈利。风险限制、弃权机制、评估和密钥安全仍由应用负责。
社区案例 · X 帖子
搜索与排序 · 67
原型用自然语言条件筛选 PostgreSQL 数据行
Zachi 演示了一个 PostgreSQL 扩展：通过 Jev 判断每行数据是否满足自然语言条件，并缓存结果以供重复查询。
Jev 负责的决策这行数据是否满足给定的自然语言条件？
需要主观判断的筛选可以补充 SQL，但精确事实和敏感属性仍应使用确定性规则并接受复核。耗时和成本数据来自作者的一次演示。
社区案例 · X 帖子
个人工具 · 68
原型在实时虚拟试衣中选择服装
Nailthy Tang 展示了一个 Drape 原型：系统结合用户说出的需求和当前穿搭，让 Jev 从预先准备的衣橱中选择单品，再更新虚拟试衣效果。
Jev 负责的决策现有衣橱中的哪件单品最符合用户需求和当前穿搭？
Jev 负责从已有单品中选择；语音、素材和画面渲染由外围应用完成。延迟和成本数字来自作者的演示。
社区案例 · X 帖子
游戏 · 69
原型在城市模拟中选择交通信号灯状态
Leo 演示了让 Jev 为模拟城市中的交通灯选择状态，并由应用统计车辆等待时间。
Jev 负责的决策面对当前的模拟交通状况，每个路口应该使用哪种信号状态？
这是一段可视化模拟，并不能证明该方法适用于真实交通控制。作者报告的等待时间改善取决于其对照基线，仍需独立评估。
社区案例 · X 帖子
继续探索
把案例思路变成可以构建的项目
先在 Playground 中测试结构化决策，再到“项目”中查看开源集成与示例。
用适合你的方式关注 Jev 生态。
通过持续更新的公开仓库，或偶尔发送的邮件精选，关注新的 Jev 项目、System One 社区模型和实际应用案例。