10分钟安装Jev，帮你的AIAgent降本增效

如何使用Jev，以及它能带来100倍提升的实际场景是什么：搭建只需要10分钟：
1. 加入候补名单，当天就能获得批准
2. 安装官方技能，让你的智能体写出正确调用：
- 在Claude Code上只需要两条命令，光在市场添加不会安装任何东西：
- npx skills add typesafe-ai/skills --skill typesafe-ai
- claude plugin marketplace add typesafe-ai/skills
- claude plugin install typesafe@typesafe-ai
3. 在控制面板创建API密钥
4. 在提示词里直接说：“use the TypeSafe skill”

现在说没人分享过的内容：100倍提升不是来自模型本身，而是来自你放置它的位置。你不需要把你的LLM换成Jev就能获得提升，你只需要删掉那些根本不需要语言模型的调用。

打开你的智能体，找到每一个只需要做选择的调用：
> 接下来用哪个工具
> 这是不是垃圾信息
> 这个片段是否相关
> 这件事是否需要人工介入
> 这个差异是否有风险

这些都不是文本生成任务，它们只是你外包给前沿模型的条件判断。下面是升级步骤，按顺序来：
1. 把每个这类判断替换成带类型的问题。Choice从最多255个选项中选择，Score把结果放在2-10级的量表上，Noul返回原始的0-1值。
2. 将这些问题批量打包进一次调用，并行运行，延迟几乎不会增加，而且输出token是免费的，所以你可以问所有你可能需要的问题，包括那些之后会丢弃的问题。
3. 按置信度设置阈值，而不是按答案。置信度低于0.5就升级到大模型或人工处理，在任何不可逆操作发生前，置信度需要达到0.85以上。
4. 永远不要让它生成选项，在代码中构建候选列表，从DOM、检索器、工具追踪中获取，然后让它选择。
5. 把它放在循环内部，而不是循环旁边。路由器选择廉价模型，网关在工具调用运行前检查，法官在之后验证输出——你的智能体中绝大多数消耗很大的调用都藏在这里。
6. 今晚就先从压缩开始，给每个工具调用打分，去掉没用的，逐字保留有用的，不要做有损摘要。这是成本最低的见效方式，你明天就能在账单上看到差异。

讲点实在的：目前只支持文本，不支持图像、音频。在通用基准测试上，它的表现不如前沿模型。但有人用零样本方式让它处理了18514封邮件，得到了98.33%的准确率，而用14800个标注样本训练的TF-IDF分类器准确率是98.39%。

它不需要训练数据，总花费只有1.12美元。它擅长的是范围狭窄、定义明确的决策，而这正是你的智能体一整天里实际上在做的大部分工作。

今天我会分享一个用例：讲讲我是怎么把它整合到内容创作里，又是怎么在几秒钟内找到能带来转化的元广告的……