摘要：它不生成一个字，只返回校准过的概率，单次判断约万分之一元。我让它给大模型当门卫、评审员、质检员，把 Agent 的决策成本打了两个数量级——数字全部实测。

先认识主角：Jev，TypeSafe 九月发布的模型，走了一条没人挤的反路——一个字都不写。它没有聊天窗口、不逐字生成：你给它一个状态，加几道预先定义好的判断题，它直接返回每个选项的概率和自己的把握。心理学里这叫”系统一”（快速直觉的判断），ChatGPT、Claude 那些逐字思考的是”系统二”——Jev 只做系统一，给它一个状态，它回答你预先定义好的判断题，并告诉你有多大把握。

一个真实浏览器 agent 的任务：打开 GitHub Trending，从页面上的 1227 个链接里找到热门第一的仓库，再钻进它的 Issues 页。它完成了：4 次决策，约 20 秒，总花费约两厘钱（0.002 元，本文金额按 1 美元 ≈ 7 元折算）。

操盘这四步的，就是刚才这位”不会写字”的判断模型。

一、三种题型，就是它的全部语法

它没有聊天接口，问题只有三种题型：是非题（”用户在生气吗？”→ 返回 0.97 的概率）、选择题（从你给的选项里选一个，附带完整概率分布和置信度）、评分题（在量尺上打连续分，返回 1.77 意思是”介于中和高之间、明显偏 high”）。

妙处在概率是校准过的：0.9 以上自动处理、模糊地带转人工，阈值由你定；而且不可能幻觉——它只能从你给的选项里选，编不了别的内容。和聊天模型比，差异是结构性的：没有思维链、不解释推理，只给结论和把握；换来的是输出免费、永远不会输出非法 JSON。一句话定位：Jev 是应用里的”判断零件”，不是”写作零件”——写文案、翻译、总结都轮不到它，但”该不该、像不像、选哪个”这种题，它又快又便宜：输入约 0.3 元/百万 token，输出免费，单次请求约 0.00015 元。同样的事让 GPT-4o 级模型做分类再解析 JSON，通常贵 1–2 个数量级。

二、让大模型只干贵活

分工一句话：生成与规划交给大模型（少而贵），高频判断交给 Jev（多而便宜）。

四种玩法我都实测过。门卫：客服消息先过 Jev 四问并行，约八成简单判断直接模板直答，大模型一次都不用调；愤怒概率 > 0.85 且紧急度 > 1.5 的，同时亮”人工优先”灯。评审：大模型写 4 条候选文案，Jev 一次请求并行打分选优，约 0.0002 元，比让大模型自评低两个数量级。教练+执行：大模型看一眼迷宫写下 60 字策略，Jev 每步选方向，10 步通关——恰好是理论最短路径，全程约 0.0016 元。

而且 Jev 的判断结果（意图、情绪、紧急度）会作为上下文喂给大模型——专家上场前，病历已经递到手里了。

最贴近日常的是质检：大模型写文案，Jev 三关验收（吸引力、切题、用词安全），哪关不过就把评委意见原样拼进重写提示词。实测第一稿被打回 → 带意见重写 → 第二稿过审，两次质检共约 0.0003 元。字数这种事由应用代码直接数，不劳烦 AI；三稿都不过，就按吸引力分推荐最好的一稿兜底。

这里有个值钱的教训：过关线定 2.0 分能稳定过审，定 2.2 则几乎永远过不了——阈值必须拿自己的真实样本校准，别人的数抄不得。

三、1227 个链接，先砍到 25 个

agent 循环只有四步：观察 → 提问 → 决策 → 执行。Jev 是大脑，动手的全是你的代码，而它的智商上限取决于一件事：你喂给它的选项质量。1227 个链接，我本地先剪成 25 个编号候选再交给它。四个坑都是真踩过的：

• 排序要用精确匹配——前缀匹配让 ?lang=xx 这类变体挤掉了真仓库；
• 不可见链接要过滤——DOM 里存在但点不动，agent 选了就卡死；
• 同页链接要剔除——对 agent 是无操作，纯浪费步数；
• 动作空间要覆盖子路径——你剪掉的动作，模型永远选不到：Issues 页是三段路径 /owner/repo/issues，我的正则只认两段时，它根本进不了候选，Jev 只能在页脚的营销链接里挑。

迷宫里还有个变种：低置信度时 Jev 在两格间来回打转。修法不是改提示词，是把”原路返回”从选项里直接删掉。给 Jev 的选项集，本身就是最强的提示词。顺手一个增益：把本地几毫秒就能算好的特征（目标方位、近期走位）写进 state，别指望模型自己从图里推——配合教练策略，命中后的步骤置信度经常直接顶满 1.0。能便宜算的，就别花模型的钱。

四、拿到概率，别只会取最大值

Jev 返回的是校准过的概率和置信度，无脑取最大值等于把弹性工资签成了死月薪。三种我实际在用的分支：

// ① 双阈值：高置信自动处理，模糊地带升级人工
p > 0.9 ? autoQueue() : p > 0.5 ? humanReview() : normalQueue();
// ② 低置信兜底：分布太散，说明问题本身模糊
confidence > 0.7 ? routeTo(choice) : routeTo(fallback);
// ③ 连续分：1.77 这种"偏 high"的信息，取整拿不到
if (urgency.score > 1.5) bumpPriority();

①就是经典的”廉价第一道过滤”：Jev 拦下八成简单判断，只有低置信度或复杂请求才进大模型。两个数量级的成本差，主要就是这么省出来的。

顺带一个调试心得：把每一步的概率条、置信度、耗时、费用实时画在页面上，做 agent 的体验会完全不同。概率是 Jev 的一切——看它”犹豫”（分布平）往往比看它”选了什么”信息量大得多。

真要上线，还有四关要过：校准验证（拿 20–50 条真实样本对照人工标注，概率质量取决于你的题目写法，不是模型给的数就能直接抄）；锁版本（用 ~typesafe/jev-1.13 而非 -latest，别让模型静默更新把阈值作废）；超时与降级（alpha 端点随时可能变更，失败要能回退到关键词规则或小模型，别让决策层单点故障）；概率落日志（答案和费用一起记下来，回溯校准和成本核算全靠它）。

至于 API 层那些文档没写的坑（slug 必须带 ~ 前缀、questions 是 record 不是数组、字段叫 instructions/criteria 而非 question/options、score 返回连续值而非档位、OpenRouter 公开模型列表里根本查不到它……），全部经过报错信息逐一验证，整理在开源仓库的 readme 里，照抄能省你一晚上。

五、一分钱能干什么

上面所有数字都是真实账单：每个示例都在打印单步耗时和费用，”实测记录”。

什么时候该用它？选项有限、调用高频、需要概率——判断的归 Jev。什么时候不该？要写文案、要开放式规划——生成的归大模型。最好用的形态从来不是二选一，而是双系统：大模型定策略、写文案、兜底复杂请求，Jev 在每一次”该不该、像不像、选哪个”的关口上，便宜地站岗。

文章摘自：https://www.cnblogs.com/softlin/p/23185975