大家拿 Jev 做了什麼 從玩遊戲開無人機到客服分流的 15 個實作

一個 Minecraft 角色花了 16 分半，在遊戲裡一塊一塊蓋出一面加拿大國旗。操控它的不是玩家，而是一支每秒問 Jev 大約四次「下一步做什麼」的程式：往前走、挖羊毛、放方塊，前後一共做了 2,266 次決定。這是 Jev 推出隔天，一位開發者放上 GitHub 的作品。

Jev 是 TypeSafe 在 9 月 15 日推出的 AI，不寫文章、不聊天，只回答是非題、選擇題和評分題，一次大約 0.3 秒（我們在上一篇用自家網站導覽員詳細測過）。推出不到三週，社群整理的專案清單已經收錄 163 個作品。看完一輪，大多數落在三種用法：需要連續快速做決定的，例如遊戲和機器人；需要一次分類大量東西的，例如客服訊息、影片、社群貼文；還有替其他 AI 或系統把關的。也有人認真做了比較，發現 Jev 判斷釣魚信的準確度，輸給一般的小型語言 AI。下面挑 15 個有公開資料的實作，用白話說明它們怎麼用 Jev。

本文的專案資料、GitHub 星數與各專案公布的數字查證於 2026 年 9 月 27 日。數字多半是作者自己測的，文中會標明出處；專案更新很快，實際以原始頁面為準。

先看官方示範 玩 Doom 和維基百科賽跑

TypeSafe 在發布文章裡放了兩個好玩的示範。一個是讓 Jev 玩經典射擊遊戲 Doom：它看的不是畫面，而是把遊戲狀態寫成文字，再決定下一步的動作。官方估算，每秒做 10 次決定，一小時大約 7 美元。另一個是「維基百科賽跑」：從一個維基百科頁面出發，只能點頁面裡的連結，看誰最快走到指定的頁面。Jev 每一步都要從幾百甚至幾千個連結裡挑一個，超過選擇題上限 255 個的時候，就先分兩輪篩選。

比較實用的是 OpenRouter（一個把各家 AI 模型集中起來的平台）做的 Jev Lab，每個範例都附上程式和實際跑出來的結果。其中一個是客服訊息分類：對 95 則訊息各問 5 個是非題，475 個答案 1.2 秒跑完，花費 0.0014 美元。另一個是替 AI 助理把關：AI 準備執行的 24 個動作，每個檢查 4 項，有風險的就停下來等人確認，0.5 秒、0.0004 美元。

遊戲與機器人 一秒要做好幾次決定

開頭提到的 Minecraft 機器人，每次讓 Jev 從大約 20 個基本動作裡挑一個，平均 0.137 秒回覆。值得注意的是分工：座標、國旗的藍圖、會不會撞到東西，都由程式提供和把關，Jev 只負責「現在該做哪個動作」。

另一個更有看頭的是模擬無人機 jev-drone。一台只靠機上鏡頭的無人機，要在物理模擬器裡穿過五關障礙並追著目標飛。它每 0.4 秒問 Jev 三個問題：接下來怎麼飛（選擇題）、現在有多危險（評分題）、目標是不是跟丟了（是非題）。作者公布的結果是，目標留在畫面裡的時間從 19% 提高到 82%，而且飛完全程，對照組則在半路停下來。作者也寫明這只是單次飛行的結果；最關鍵的一點是，程式保留最後否決權，有另一層反應機制每秒檢查 50 次，情況不對就直接蓋過 Jev 的判斷。

也有人拿它做交易。Jev Trader 在區塊鏈的交易所上，每出一個區塊就讓 Jev 決定買或賣，一輪大約 0.1 秒。不過作者預設只模擬、不真的下單，公開的展示版也用假的模型代替，看熱鬧就好。

生活裡的小工具

HA-Jev 把 Jev 接進智慧家庭系統 Home Assistant，口號是「問你的房子一個問題，拿回一個數字」。你可以問「洗衣機洗好了，衣服是不是忘了拿」「暖氣開著，窗戶是不是也開著」，Jev 回一個把握程度，超過你設定的標準就發通知。作者準備了 25 個一鍵匯入的範本，也可以設定每天的使用上限，避免帳單失控。

看 YouTube 的人可能會喜歡 jev-skip：它把影片字幕切成 30 秒一段，一次問 Jev 哪幾段是業配，還沒有人手動標記的影片也能自動跳過。作者在 23 支影片上測試，抓到網友社群標記的業配時間的 77%，每支影片的成本約 0.0008 美元，代價是每小時大約有 34 秒被誤跳。

做行銷的人可以看看 Jevtown。你貼一篇文案或一則商品貼文，它讓一萬個虛擬居民「讀」一遍：先判斷這篇適合哪些人，再逐一決定每個人是略過、按讚、轉發還是封鎖，模擬這篇貼文能擴散多遠。作者說每篇大約 0.01 到 0.1 美元。

中文圈也有作品。JevBystander 是一個 Android 小工具，會讀取手機聊天畫面上的對話，一次問 Jev 四件事：對方的意圖、情緒、有多急、你該用什麼態度回。它只在螢幕上跳出三個小提示，從來不替你打字，一次判斷約 0.97 秒。

公司裡的分類 分流 把關

企業用途是目前最多人做的方向，分類、分流、把關這類工作，跟我們寫過的潛在客戶自動派單是同一種問題，而且大平台都跟上了。Vercel 的 AI 助理開發工具 eve 把 Jev 設成預設的「評審」，用來打分 AI 的回答，也用來自動審核 AI 準備執行的動作：沒問題的放行，有疑慮的標記起來。LangChain 官方部落格示範了兩種用法，一種是依題目難易度決定要用哪個 AI，一種是擋下有風險的動作。Cloudflare 也把 Jev 放上自家的 Workers AI，官方範例是客服分流、退款審核和帳號風險判斷。

開發者 Ken Huang 寫了 27 個以上的測試情境，其中一個是資安事件分級：用 8 個問題判斷一則警報該直接結案、通知負責人、排進待辦，還是立刻隔離。他也在說明裡直接寫出 Jev 的弱點：數數不可靠，也不會正確比較日期先後。

速度最驚人的應該是 Browser Use 團隊的 Jev Ultrafast，一個會自己操作瀏覽器的 AI 助理。每一步由 Jev 一次決定「要做什麼動作、點哪個位置」，只有需要打字的時候才請另一個小型 AI 寫文字。在查 Google 航班這個任務上，中位數時間從 9.45 秒縮短到 7.09 秒，和瀏覽器之間的來回溝通從 1,092 次降到 101 次。作者自己也說，這只是同一個任務跑三次的結果，不代表一般情況下的可靠度。

一個重要的反例 快又便宜不代表比較準

最值得一看的，反而是一個「Jev 輸了」的實驗。開發者 anisselbd 做了釣魚信判斷測試：拿 2,000 封信，讓 Jev 和小型語言模型 Claude Haiku 4.5 分別判斷是不是釣魚信。結果 Jev 的準確率 62.6%，Haiku 是 81.3%；真正的釣魚信，Jev 只抓到 43.2%，Haiku 抓到 76.4%。Jev 贏的是速度和價格：每封 0.239 秒對 0.687 秒，每一千封 0.038 美元對 0.462 美元，便宜十幾倍。

獨立評測網站 Jevals 的結果也類似。在 300 題醫學是非題上，Jev 答對 69.0%，Google 的 Gemini 3.8 Flash 是 73.0%；在 300 題銀行客服的意圖分類上，Jev 是 67.8%，Gemini 是 74.1%，不過 Jev 的成本大約只有 28 分之一。

這跟我們自己的經驗對得上。小浪的帶路判斷，選項是清楚的頁面清單，Jev 在 190 題裡答對 187 題；但像釣魚信這種要讀懂細節、判斷意圖的題目，它就不一定贏。我們的做法是：先用自己的資料測過，把把握程度的標準訂清楚，錯了會有損失的事，最後一步留給人。

想自己動手 從哪裡開始

不寫程式的人，最簡單的是去 OpenRouter 的 Jev Lab 看每個範例的題目和結果，大概就能感覺它適合做什麼。

工程師可以從 TypeSafe 官方的 skills 開始，它讓 AI 寫程式工具學會怎麼呼叫 Jev，到 9 月 27 日已經有 2,253 顆星。常見的開發框架也都有人做了串接，包括 LlamaIndex 和 Laravel。想一次看更多作品，可以翻 fatwang2/awesome-jev 和 AnotiaWang/awesome-jev 這兩份社群清單。

15 個實作一覽

看完這些實作 我們的觀察

做得好的專案，幾乎都讓程式保留最後決定權。無人機有每秒 50 次的反應層可以蓋過 Jev，Minecraft 機器人的碰撞由程式擋，JevBystander 只給提示、從不替你回訊息。我們在小浪上的做法也一樣：訪客明說「不要換頁」，程式先攔下來，不讓 AI 的判斷蓋過去。元智大學終身教育部的排課助理也是同樣的設計，助理先提出排課建議，承辦人確認後才寫入。

Jev 也很少單獨上場。Jev Ultrafast 需要打字時交給另一個小型 AI，小浪的回答也是由另一個 AI 寫。讓 Jev 做決定、讓會寫字的 AI 寫字，是目前最常見也最穩的組合。

最後，這些數字大多是作者自己、小樣本、甚至單次測出來的，拿來看方向可以，不要當成保證。真的要用在公司裡，先拿自己的資料測一輪，比看任何排行榜都準。如果你有一個「每次都要等 AI 想半天、其實只是在選一個選項」的流程，我們的 AI Agent 開發可以幫你評估它適不適合交給 Jev；想先了解 AI 助理該開哪些權限，可以看讓 AI Agent 接上工作工具的權限指南。

資料來源與查證日期

以下資料查證於 2026 年 9 月 27 日，GitHub 星數以當天為準。

• TypeSafe：Introducing System One Models and Jev（Doom 與維基百科賽跑示範）
• OpenRouter：Jev Lab
• ellistev/typesafe-minecraft-demo
• RomanSlack/jev-drone 與專案網站
• jarrodwatts/jev-trader
• AboveColin/HA-Jev 與說明網站
• valentynkit/jev-skip
• gaborishka/jevtown 與線上版
• Nisaka520/JevBystander
• vercel/eve 與 Vercel：Auto-approve tool calls with eve and Jev
• LangChain：Building a harness with Jev
• Cloudflare Workers AI：typesafe/jev
• kenhuangus/jev-usecases
• browser-use/jev-ultrafast
• anisselbd/jev-phishing-bench
• Jevals
• typesafe-ai/skills

延伸閱讀

• Jev 是什麼，我們把網站導覽員的帶路判斷交給它之後的實測。
• AI 帳單越用越貴怎麼救，大 AI、小 AI 和只做決定的 AI 怎麼分工。
• AI 客服一夜送出數十張退款券，替 AI 助理設安全關卡的三道防線。
• 爆量客服信箱的自動分類，大量分類這件事，換成 Jev 會更快更便宜。