我们熟悉的 AI通常通过文字回答问题解释概念、编写代码、总结资料。但在软件里很多时候只需要一个判断这封邮件交给哪个部门这段内容是否相关下一步应该调用哪个工具最近我申请了 Jev 的内测拿到 API 资格后做了一个浏览器语音自动化工具。现在 Jev 已经开放使用正好介绍一下它是什么以及怎样把它接进程序。Jev 是什么TypeSafe AI 在 2026 年 9 月 15 日发布了 Jev 的早期访问版本将它称为System One 模型。这个名字借用了《思考快与慢》中“系统一”的概念强调快速、明确的判断。官方介绍Jev 接收上下文和问题返回预先定义的选择、评分或概率。它不生成自由文本也不负责写文章、代码或解释推理过程。目前支持文本输入不直接处理图像、音频和视频。模型说明比如用户说“向下翻一点”程序可以让 Jev 从“向上滚动、向下滚动、刷新、不支持”中选择再根据结果执行操作。大语言模型也能做这些事也能输出 JSON。Jev 的特点是专门围绕结构化决策设计无须逐个生成文本 Token。对于频繁调用、只需要简单判断的任务这种设计有望降低延迟和成本。官方展示了很大的性能收益但数字来自特定工作流评测不能直接套用到所有应用。技术与评测说明如何使用 API可以先在 TypeSafe 控制台体验 Playground再创建 API Key 接入自己的程序。HTTP 接口是POST https://api.typesafe.ai/v1/systemone Authorization: Bearer API_KEY Content-Type: application/json请求主要包含三个字段model指定模型例如jev-lateststate提供待判断的文本或结构化上下文questions定义问题及允许的答案。返回的answers会使用相同的问题名称便于程序读取。API 文档Jev 提供三种问题类型类型用途示例Choice从预设选项中选择应该执行哪个浏览器动作Score按预设的有序等级评分用户的不满程度有多高Noul返回某个陈述为真的概率用户是否在申请退款Choice 返回选项及其概率分布Score 返回按概率加权的分数因此可能落在两个等级之间。两者还包含confidence。Noul 返回 0 到 1 的概率没有单独的confidence字段。问题类型说明我的项目使用官方 Python SDK。安装并设置环境变量pipinstalltypesafe-sdkexportTYPESAFE_API_KEY你的 API Key下面是一个简化的动作选择示例fromtypesafe_sdkimportChoice,TypeSafeClient clientTypeSafeClient(timeout15)responseclient.system_one(modeljev-latest,state{command:向下翻一点},questions{operation:Choice(instructions选择最符合用户指令的一个动作。,criteria{SCROLL_UP:向上滚动页面,SCROLL_DOWN:向下滚动页面,RELOAD:刷新当前页面,BLOCKED:指令无法通过这些动作完成,},)},)answerresponse.answers[operation]print(answer.choice)print(answer.probabilities)print(answer.confidence)SDK 会读取环境变量中的密钥。上面只打印判断结果不操作浏览器实际执行逻辑需要自己编写。Python SDK 文档criteria中的键是程序使用的标识值是选项的含义。选项需要写清楚也要给无法处理的指令留一个出口避免所有输入都被硬塞进某个动作。我的浏览器语音工具代码还没放到github上我做的工具运行在 macOS 上通过语音操作当前 Chrome。流程很直接语音 → 语音识别 → 文字指令 页面候选元素 → Jev 选择动作和目标 → 程序校验并执行语音识别使用火山的流式 ASR。程序读取当前页面的 URL、标题和可点击元素把这些信息与识别出的指令一起交给 Jev。它不把音频或页面截图交给 Jev也不发送整页正文和表单内容。例如我说“点击主页”程序先收集页面中的候选元素再让 Jev 回答两个 Choice 问题执行什么动作以及点击哪个元素。这两个问题放在同一次请求里。页面有可点击元素时目标选择会与动作选择一起提交程序只有在动作是CLICK时才使用目标答案。这样可以减少一次往返请求。API 支持多个问题独立、并行地评估同一份上下文。调用方式说明目前工具支持点击、上下滚动、后退、前进、刷新、切换和关闭标签页。一次语音只执行一个动作暂不支持输入文字、打开网址或自动完成多步任务。Jev 负责语义判断程序负责执行。执行前会检查当前标签页、页面快照和目标元素如果页面已经变化就取消操作避免拿旧页面上的判断去操作新页面。这个项目也让我感受到决策速度对于交互工具很重要。用户说完一句话期待的是页面尽快响应。减少模型等待时间有实际价值但完整延迟还包括语音识别、页面读取、网络和动作执行不能只看模型速度。输出正确的格式不代表做出正确的判断Jev 的结构化输出可以避免返回候选之外的动作但它仍可能选错动作或目标。confidence也不等于“这次判断正确的概率”。它由选项的概率分布计算表达模型的确定程度。实际使用时可以对不确定的结果请求补充信息或转交人工但阈值需要用自己的任务数据验证。置信度说明我的工具目前校验候选和页面状态没有按置信度过滤操作。这些检查能发现页面变化却不能保证语义判断正确。要进一步提升可靠性还需要评估容易混淆的指令和相似元素。我的思考我觉得 Jev 是一个好的创新。它把 AI 的使用方式落到了一个具体问题上软件需要判断时怎样更快地得到可用的结果在分类、工具路由、内容筛选和实时交互中这条路线确实有用武之地。但我不太认为它会掀起很大的风浪。大模型厂商已经拥有模型、算力和开发者生态做出类似产品、甚至超越它的竞品我认为并不困难。最直接的产品形态就是在现有 API 中增加一个“决策模式”字段。对开发者来说如果原来的接口已经能满足需求就未必需要再接入一家服务。当然加一个字段容易真正达到同样的速度、成本和概率校准水平需要模型与推理系统的支持。接口相似不意味着底层能力相同。不过我仍然认为 Jev 面临的竞争压力很大。相比它最终能占据多大的市场我更关注它现在能帮我解决什么问题。对于浏览器语音工具这样的应用让模型快速选出一个动作再交给代码执行是一种值得尝试的设计。【本文同步发布于我的个人博客https://s0meb0dy3.github.io/】