Jev
定义与身份
Jev 是来源材料中一批项目共同围绕的快速决策层或技术名称。原文没有给出 Jev 的官方定义，也没有提供论文、作者、核心算法、模型参数、训练数据、仓库版本或模型规格。因此，本词条不把 Jev 写成已经被来源正式定义的标准技术，而是以“来源中的用法归纳”为主。
从清单中的多个项目描述看，Jev 常被放在 LLM 或 Agent 工作流的较低层、快速层或执行选择层：LLM 可以负责较高层的任务规划，Jev 则负责更具体、更快速的选择、筛选或控制，例如浏览器里的具体点击选择、搜索流程里的信息源选择、工具调用控制、上下文内容保留与压缩、模型路由和技能选择。
来源与建模边界
该词条主要来自今日头条作者“AI邪修”在 2026-09-20 09:45 发布的整理帖，来源页总结了一批可参考的 Jev 项目或方向。
需要注意以下边界：
- 来源只是一份项目清单和简短说明，不是 Jev 的论文、官方文档或规范。
- 来源未说明 Jev 的完整架构、训练方法、推理流程、模型大小、评测数据集或适用限制。
- 本 wiki 应沿用已有实体词条“Jev”，不要把清单里的每一个项目名都拆成独立实体页；除非后续来源提供更完整的项目资料、作者信息、仓库细节、版本演进或技术文档。
- 清单项目名在本页中主要作为 Jev 用法的证据和方向，不默认等同于 Jev 的官方组成部分。
来源中列出的 8 个项目或方向
1. fast-jev-compaction
fast-jev-compaction 被描述为一个 Claude Code 插件。它的关键用法是：每次工具调用后，用 Jev 判断哪些内容应该保留、压缩或丢弃，以减少上下文膨胀。
这说明 Jev 在该方向中不是直接生成最终回答，而是参与 Agent 上下文压缩：当工具调用结果、文件内容、命令输出或中间观察不断进入上下文时，Jev 用于做后处理决策，决定信息的去留和压缩方式。
2. jev-browser
jev-browser 的描述是：让 LLM 负责规划，Jev 负责浏览器里的具体选择。它支持 CLI、Library 和 MCP。
这里体现出 Jev 的典型位置：LLM 负责“要完成什么”和大致步骤，Jev 负责浏览器环境中的具体动作选择，例如在页面上选择可点击元素、判断下一步交互目标，或把高层计划落到浏览器操作上。
3. jev-search
jev-search 把 Jev 用在搜索流程里，负责理解查询、选择信息源、筛选结果。
这说明 Jev 可以承担搜索链路中的多个局部决策：先理解用户查询意图，再判断应该访问哪些信息源，最后从候选结果中筛选更有用的内容。该方向与 Agent 工具调用决策 相关，因为搜索通常是 Agent 可调用工具的一类，Jev 在这里影响工具输入、来源选择和结果过滤。
4. Reticle
Reticle 被描述为给 Web 和桌面应用增加运行时感知能力，帮助 Agent 理解自己正在操作的界面。
虽然该项目名不直接包含 Jev，但它出现在同一批 Jev 相关项目清单中。其重点不是上下文压缩，而是界面感知：让 Agent 在 Web 或桌面应用运行时理解当前界面状态，从而更可靠地执行操作。它可以被看作与浏览器操作、桌面自动化和 Agent 环境感知相关的方向。
5. NanoJev
NanoJev 被描述为一个 Jev 的轻量复现项目，包含并行决策、动态候选项和完整训练流程。
该描述提供了 Jev 复现方向中的几个具体关键词：
- “轻量复现”：目标不是直接给出原版 Jev，而是复现其核心风格或能力。
- “并行决策”：暗示它可能同时对多个候选动作或候选项做判断。
- “动态候选项”：候选集合不是固定的，而可能随任务、界面、工具返回或上下文变化。
- “完整训练流程”：该项目不仅是推理 demo，还覆盖训练链路。
6. open-alternative-jev
open-alternative-jev 被描述为尝试用开源模型复现 Jev 风格的 System One 决策层，并提供基准测试。
这里的关键信息有两点：第一，它明确把 Jev 关联到“System One 决策层”，即更快速、偏直觉式或低延迟的选择层；第二，它使用开源模型进行复现，并提供基准测试，因此属于可复现、可评测方向，而不只是概念演示。
7. pi-jev
pi-jev 把 Jev 接入 Pi coding agent，用来控制工具调用，也支持类型化、带置信度的回答。
该方向把 Jev 放入 coding agent 的工具使用流程中，核心职责是控制工具调用。来源还提到它支持“类型化”和“带置信度”的回答，这意味着 Jev 的输出不一定只是自然语言，也可能带有结构化类型和置信度字段，用于后续程序化处理或风险控制。
8. hermes-jev-skills
hermes-jev-skills 直接把 Jev 接进 Hermes、Claude Code 和 Codex，覆盖模型路由、记忆、上下文压缩、Skill 选择和浏览器操作。
这是清单中覆盖面较广的方向。它把 Jev 用在多个 coding agent 或开发辅助系统中，并覆盖至少五类职责：
- 模型路由：在不同模型或能力之间做选择。
- 记忆：决定记忆内容的使用、保留或调用。
- 上下文压缩：与
fast-jev-compaction类似，处理上下文膨胀问题。 - Skill 选择：从可用技能中选择适合当前任务的技能。
- 浏览器操作：把 Jev 用于界面或网页交互中的具体动作选择。
典型角色职责
综合来源中的 8 个方向，Jev 的典型职责可以归纳为以下几类。
高层规划之后的快速选择层
在 jev-browser 的描述中，LLM 负责规划，Jev 负责浏览器里的具体选择。这是理解 Jev 的重要线索：Jev 不是替代所有 LLM 推理，而是被放在高层规划之后，承担更细粒度、更频繁、更靠近执行动作的选择。
例如：
- LLM 决定“需要打开网页并查找资料”；Jev 判断页面中哪个按钮、链接或输入框更适合下一步。
- LLM 决定“需要搜索某个问题”；Jev 判断查询如何理解、选择哪个信息源、保留哪些搜索结果。
- LLM 决定“需要调用工具”；Jev 判断是否调用、调用哪个工具，以及如何处理工具输出。
Agent 工具调用控制
在 pi-jev 中，Jev 被接入 Pi coding agent，用来控制工具调用；在 hermes-jev-skills 中，Jev 覆盖模型路由、Skill 选择和浏览器操作。这些都说明 Jev 与 Agent 工具调用决策 密切相关。
它可能参与的具体决策包括：
- 当前步骤是否需要调用工具。
- 在多个工具或技能中选择哪一个。
- 工具返回后是否继续调用、改用其他工具或交给 LLM 总结。
- 对工具结果赋予置信度或输出类型化结构，便于后续流程处理。
搜索与信息源筛选
在 jev-search 中，Jev 负责理解查询、选择信息源、筛选结果。这表明 Jev 可以用于信息检索链路的中间层，而不是只在最终回答阶段发挥作用。
这种用法的关键不在于“生成更多文本”，而在于从多个可能来源和结果中快速筛选更可能有用的内容，减少 Agent 在无关结果上消耗上下文和计算。
上下文管理与压缩
Jev 在上下文管理中的角色由两个项目明确体现：
fast-jev-compaction：每次工具调用后，用 Jev 判断内容保留、压缩或丢弃，以减少上下文膨胀。hermes-jev-skills：覆盖记忆和上下文压缩。
这与 Agent 上下文压缩 的问题场景一致：coding agent、浏览器 agent 或搜索 agent 在长任务中会不断产生工具调用结果、网页内容、命令输出、代码片段和中间状态。如果全部塞入上下文，会造成上下文膨胀、成本升高、注意力分散和有效信息稀释。Jev 在这些项目中被用作判断层，决定哪些信息继续保留，哪些需要压缩成摘要，哪些可以直接丢弃。
界面理解与操作选择
Reticle 和 jev-browser 共同体现了 Jev 相关方向在界面操作中的用途：一方面需要让 Agent 理解当前 Web 或桌面界面，另一方面需要在界面元素中做具体选择。
这种能力对于浏览器自动化、桌面应用操作、MCP 工具接入和 coding agent 的图形化环境控制都可能重要。来源只说明了方向和用途，没有给出具体界面表示格式、感知模型或动作空间定义。
复现方向
来源中特别提到两个复现类方向：NanoJev 和 open-alternative-jev。
NanoJev 是 Jev 的轻量复现项目，包含并行决策、动态候选项和完整训练流程。它强调“小型可复现”和训练完整性，适合理解 Jev 风格决策层如何被构造出来。
open-alternative-jev 尝试用开源模型复现 Jev 风格的 System One 决策层，并提供基准测试。它强调开源模型和评测基准，说明 Jev 相关能力不仅可以被概念化，也可以尝试通过公开模型和测试集进行对照评估。
不过，来源并没有说明这两个复现项目与原始 Jev 的一致程度，也没有说明基准测试的指标、数据集、任务数量或结果分数。因此不能据此断言它们已经等价复现了某个官方 Jev。
关键信息汇总
| 项目或方向 | 来源中的描述 | 可归纳的 Jev 角色 |
|---|---|---|
fast-jev-compaction | Claude Code 插件；每次工具调用后判断内容保留、压缩或丢弃 | 上下文压缩与工具结果后处理 |
jev-browser | LLM 负责规划，Jev 负责浏览器里的具体选择；支持 CLI、Library、MCP | 浏览器操作选择层 |
jev-search | 用在搜索流程，负责理解查询、选择信息源、筛选结果 | 搜索决策与结果筛选 |
Reticle | 给 Web 和桌面应用增加运行时感知能力，帮助 Agent 理解界面 | 界面感知与操作上下文理解 |
NanoJev | Jev 的轻量复现，包含并行决策、动态候选项和完整训练流程 | 轻量复现与训练流程探索 |
open-alternative-jev | 用开源模型复现 Jev 风格的 System One 决策层，并提供基准测试 | 开源复现与评测 |
pi-jev | 接入 Pi coding agent，控制工具调用，支持类型化、带置信度回答 | 工具调用控制与结构化输出 |
hermes-jev-skills | 接入 Hermes、Claude Code、Codex，覆盖模型路由、记忆、上下文压缩、Skill 选择、浏览器操作 | 多系统 Agent 决策层 |
细节与例外
- Jev 在来源中不是单一明确产品说明，而是多个项目围绕的能力名称或决策层名称。
- Jev 的职责跨越多个场景，但共同点是“选择”和“筛选”：选择信息源、选择浏览器动作、选择工具、选择技能、选择模型、选择上下文内容的保留方式。
- 来源没有证明所有项目采用同一套实现，也没有说明它们是否共享代码、模型或训练数据。
- 来源没有提供项目链接的具体仓库路径，只以“网页链接”形式呈现链接入口，因此本页不补写未给出的仓库地址。
- 本页不把
fast-jev-compaction、jev-browser、jev-search、Reticle、NanoJev、open-alternative-jev、pi-jev、hermes-jev-skills分别建成独立实体；它们在当前资料条件下只作为 Jev 用法和方向的证据。