会飞的荧
@feitu
最近Jev火得一塌糊涂，但很多人还在观望，不知道这东西到底能干嘛。我花了一晚上把目前能找到的Jev相关项目都试了一遍，整理出8个最实用的，直接上干货。
先说Jev是什么。简单理解，它就是给AI装了个"快速决策器"。大模型负责思考，Jev负责在毫秒级时间内做出选择——点哪个按钮、走哪条路由、这条信息要不要保留。它不写代码不聊天，只干三件事：选哪个、打几分、是或否。
第一个项目fast-jev-compaction，做Claude Code插件的。每次工具调用后，用Jev判断哪些上下文该保留、压缩或丢弃。有个哥们实测，1秒内把Claude会话从近100万token压到8.6万，效果炸裂。
第二个jev-browser，让LLM负责规划，Jev负责浏览器里的具体操作。支持CLI、Library和MCP三种接入方式。有人用它做Browser Use搜航班，大约7秒完成，成本不到半分钱。
第三个jev-search，把Jev用在搜索流程里。它负责理解查询意图、选择信息源、筛选结果。比直接让大模型做这些事快得多，成本也低。
第四个Reticle，给Web和桌面应用增加运行时感知能力。简单说就是让Agent能"看懂"自己正在操作的界面，知道当前在哪个页面、有哪些可交互元素。
第五个NanoJev，Jev的轻量级复现。包含并行决策、动态候选项和完整训练流程。如果你想自己搭一套Jev系统，这个项目是很好的起点。
第六个open-alternative-jev，尝试用开源模型复现Jev风格的System One决策层，还提供了基准测试。对想深入了解Jev原理的人很有价值。
第七个pi-jev，把Jev接入Pi coding agent，用来控制工具调用。支持类型化、带置信度的回答，适合需要精确控制的场景。
第八个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。这个项目最全面，基本把Jev能用的场景都覆盖了。
我自己最看好Jev在三个方向的应用：一是Agent上下文压缩，二是模型路由，三是批量数据预筛。特别是批量打标场景，有人25秒读384条新闻，给15个品牌找热点，成本才1毛9。这种效率用大模型根本算不过账。
项目地址汇总：
