← 返回学习中心 · Skills 与决策OiOi Academy
JEV 决策模型 · 03

最近,Jev 的受欢迎程度急剧上升

短篇观点课 · 一份 10 个开源项目的清单:Jev 的玩法不是聊天,是把它当"决策零件"塞进各种循环。来自 @0x_rody。(基础概念见第 01 课《Jev 决策层完全指南》)

原作者 @0x_rody 来源 X 发布 2026-09-19
🧭

开篇:已经有 API 权限,但不知道从哪试起?

@0x_rody 的原话:"如果您已经可以访问 Jev API,但还不确定该如何开始试用它,只需复制这份清单即可。"

这篇的隐含论点很鲜明:Jev 的玩法不是聊天,是把它当"决策零件"塞进各种循环——桌面自动化、游戏、音乐、无人机、交易、知识图谱、数据筛选、代码完成度检查、创业想法评审。

核心模式高度一致:底层执行系统保持不变(飞行控制、交易策略、模拟器),Jev 只负责高层决策分支。Jev 的价值在"反应速度 + 结构化输出",适合每一步都要做选择的实时循环。

(Jev 是什么、三种原语、价格这些基础概念,本课一句话带过——详见第 01 课《Jev 决策层完全指南》。)

记住:一句话结论:Jev 火,是因为人们发现"每一步都要做选择"的实时循环,正好是它的舒适区。
📋

十个开源项目:复制即用

以下 10 个 GitHub 项目均为原文链接,逐条保留:

  • 1. agent-desktop —— 桌面自动化:读系统 UI 结构(accessibility tree),判断下一步点哪个按钮/菜单/输入框。https://github.com/lahfir/agent-desktop
    (评论区 Nitiksh 指出这才是清单里真正的 unlock:从像素猜测变为读 accessibility tree 后,循环稳得多;Windows 上的失败模式不是"点不中"。)
  • 2. typesafe-mario —— 让 Jev 玩《超级马里奥》:不读截图,只读模拟器内存中的状态,决定前进/跳跃/躲避。https://github.com/fhshaik/typesafe-mario
  • 3. jev-drone —— Jev 操控无人机:底层飞控负责稳定与安全,Jev 负责上升/制动/避障等高层操作。https://github.com/RomanSlack/jev-drone
  • 4. OneVOneJev —— 浏览器里的 1v1 FPS:移动/视角/瞄准/射击时机/跳跃,每个决策都要想。https://github.com/emrickgarrett/OneVOneJev
  • 5. jev-trader —— Monad 测试网高频做市:按点差和交易方向决定买卖,模型响应约 81ms。https://github.com/jarrodwatts/jev-trader
  • 6. 棱镜(prism-liquidity-agent) —— 不让 Jev 直接下单:先分析流动性/市场压力/均值回归,再把决策交回原有策略系统。https://github.com/irfndi/prism-liquidity-agent
  • 7. neo4jev —— Jev 进知识图谱:每个节点判断下一步最值得走哪条边。https://github.com/jexp/neo4jev
  • 8. jev-curate —— 用 Jev 筛训练数据:JSONL/Parquet 先评估质量/相关性/风险,再决定进下一轮。https://github.com/AkashPriyadarshii/jev-curate
  • 9. Canny —— 防编码工具"嘴硬说自己做完了":看工具输出 + 代码 diff + 测试结果,判断完成声明是否可信。https://github.com/qkal/Canny
  • 10. 杀死我的点子(killmyidea) —— 输入创业想法,Jev 多角度评估后给"放弃 / 改进 / 立即实施"三选一。https://github.com/monteduro/killmyidea

另附原文 Substack 引流一条:darkzodchi @zodchiii("AI Alpha、最新模型模板、可直接复制的配置文件")。

原文配图:Jev 热门项目清单(来自 j03)
原文配图:Jev 热门项目清单(来自 j03)
高中生类比
这份清单就像一份"乐高零件目录":Jev 不是一台拼好的城堡(聊天机器人),而是一包万能齿轮——塞进无人机它是方向盘,塞进交易系统它是买卖开关,塞进马里奥它是跳跃键。
🕵️

Canny:专治编码工具"嘴硬"

清单第 9 个 Canny(https://github.com/qkal/Canny)值得单独讲透,因为它精准命中了 Jev 的舒适区。

痛点:编码工具(coding agent)有个著名毛病——"嘴硬说自己做完了"。它说"搞定",你一看,测试都没过。

Canny 的做法:让 Jev 当质检员。state 里放三样证据——工具的输出、代码 diff、测试结果,然后问 Jev 一个判断题:这个"做完了"的声明,可信吗?

注意分工:写代码的还是 coding agent,Jev 只负责裁决"完成声明是否可信",不写一行代码。这正是第 01 课讲的决策层定位——[G] 生成归 LLM、[D] 决策归 Jev。

原文配图:Canny 项目示意(来自 j03)
原文配图:Canny 项目示意(来自 j03)
高中生类比
Canny 像考场上的监考老师:他不替你答卷,只在收卷时判断——"你这份卷子,真的写完了吗?"
👁️

"Jev 不能看图":反而成了印证

清单第 2 个 typesafe-mario 有个反直觉的细节:让 Jev 玩马里奥,但不给它看截图——只读模拟器内存中的状态信息,然后决定前进、跳跃还是躲避。

为什么?因为 Jev 是纯文本输入的决策模型,不能看图(第 01 课失败模式清单里也有这一条)。mario 项目恰恰把这个"限制"变成了设计:把游戏状态翻译成结构化文本 state,Jev 只做它擅长的——每一步选前进/跳/躲。

这与另两篇的观察互相印证:j06 的 Tetris/Doom 演示同样"喂的是敌人坐标不是画面";agent-desktop 项目更是点破——从"看像素猜测"改成"读 accessibility tree 的结构化文本",循环一下稳得多。

所以"不能看图"不是缺陷清单上的一行字,而是一条设计原则:把世界翻译成结构化文本 state,再让 Jev 做判断。翻译工作归你的代码,判断归 Jev。

记住:一句话结论:Jev 看不懂图,但只要你把世界翻译成文本 state,它就是每一步都该被调用的"决策零件"。
词

术语翻卡:点卡片看解释

决策零件
decision component
Jev 的使用心态:不是聊天对象,而是塞进各种循环里专做判断的模块。
accessibility tree
accessibility tree
系统 UI 的结构化文本描述;agent-desktop 靠读它而非看像素来判断点哪里。
高层决策分支
high-level decision branch
无人机/交易等项目里的分工:底层执行不变,Jev 只管上升、买卖这类高层选择。
完成声明质检
completion claim review
Canny 的模式:用工具输出+diff+测试结果作证据,让 Jev 裁决"做完了"是否可信。
测

自测一下:点问题展开参考答案

底层执行系统保持不变(飞控、交易策略、模拟器),Jev 只负责高层决策分支;价值在反应速度+结构化输出,适合每一步都要做选择的实时循环。

痛点是编码工具"嘴硬说自己做完了";Canny 让 Jev 当质检员,以工具输出、代码 diff、测试结果为证据,裁决完成声明是否可信——只决策,不写代码。

因为 Jev 是纯文本输入、不能看图;mario 项目把游戏状态翻译成结构化文本 state,恰好证明了设计原则:把世界翻译成文本是你的代码的活,判断是 Jev 的活。这与 j06 的 Tetris/Doom"喂坐标不喂画面"互相印证。