Jev最近在AI圈子里火得不行，用过的人都说好。这个轻量级的决策引擎，能让AI在…

Jev最近在AI圈子里火得不行，用过的人都说好。这个轻量级的决策引擎，能让AI在关键时刻快速做出判断，不用每次都调用大模型。 我整理了一下目前比较有意思的8个开源项目，都是围绕Jev构建的生态。 第一个是fast-jev-compaction，Claude Code的插件。每次工具调用后，它会用Jev判断哪些内容该保留、哪些该压缩或丢弃，有效减少上下文膨胀的问题。用Claude Code写代码的朋友应该都遇到过上下文太长导致性能下降的情况，这个插件就是解决这个问题的。 第二个是jev-browser，让LLM负责规划，Jev负责浏览器里的具体选择。支持CLI、Library和MCP三种调用方式。我有个做自动化测试的朋友在用，说比纯LLM方案快了不少。 第三个是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。搜索场景对速度要求很高，Jev的快速决策能力在这里很有优势。 第四个是Reticle，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。这个思路挺有意思的，Agent要操作界面，首先得"看懂"界面才行。 第五个是NanoJev，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。想自己训练一个Jev风格模型的可以看看这个。 第六个是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。开源社区对Jev的热情确实很高。 第七个是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。 第八个是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。这个项目的集成度很高，基本上把Jev的能力都用上了。 Jev的核心优势就是快和便宜，几秒就能给出反馈，成本比直接调用大模型低很多。在需要快速决策的场景下，Jev确实是个不错的选择。 项目地址： github.com/tamaratran/fas… github.com/Ying-Kai-Liao/… github.com/superagents-la… github.com/reticlehq/reti… github.com/TianyuCodings/… github.com/ikermoel/open-… github.com/y0usaf/pi-jev github.com/kerpopule/herm…