被硅谷吹爆的Jev到底有什么用？我们替你亲手试了试

作者｜Chester

原创首发｜蓝字计划

AI圈的一个“奇行种”，突然爆红。

9月15日，TypeSafe发布了Jev。几天后，它已经出现在Vercel、Cloudflare、LangChain、Langfuse等开发者工具里。Vercel说，Jev接入AI Gateway后的24小时内，接近13% 的付费团队就用上了它。

不过AI圈的东西看着神通广大，很多人都跃跃欲试，但真的到了想自己上手的时候，很多人还不知道该从哪儿开始。要下载什么？得先配置环境吗？不会写代码能不能玩？

因此，我们趁着现在还能免费体验，先替大家吃一次螃蟹：上手体验一把Jev ，并尽量教会让大家无脑用上Jev。

但在开始前，不得不说，测试下来Jev的第一道门槛比想象中低。 就像以前的OpenClaw，我们还说过它的配置要求低，未来说不定连智能手表都能带动。

而Jev的第一次体验更省事，甚至不用打开电脑，在网页端都能用上。

另一方面，我们这次挑选的体验案例也和大部人上网冲浪的真实需求息息相关。随着AI大爆发，社媒上到消息也开始鱼龙混杂起来。哪些是真消息？哪些是胡说八道？哪些是AI编造的？

以前大家不可能每条都去核实的“消息鉴定”步骤，这次我们打算把它交给Jev。

用Jev打造“火眼金睛”

目前能玩到Jev的入口已经有不少，比如我们这次就找了个第三方网站Jev AI Dev，几种基本功能都能在这里试，每个账号每天还有六次免费体验额度，比较适合大家先熟悉一下。

网址放在这里：https://jevai.dev/zh-Hans/playground/

点开这个链接，就会进入中文试玩页面。先点击右上角的“登录”，按提示登录账号，然后往下找到“单个问题”和“多个问题”。

这两个选项，可以理解成拿着同一份材料，只问一件事，还是一次问好几件事。比如给Jev一条科技新闻，我们可以只让它判断“这属于哪类新闻”，也可以顺便问问“消息有多可信”“里面的说法有没有得到证明”。

既然要做一个信息查证的工具，我们这次就选“多个问题”，就可以对一条消息同时问几个问题。

继续往下看，可以看到页面默认会填好一套“AI助手任务交接”的示例。我们可以直接在这套示例上修改，把里面的内容换成自己的。

先找到“输入”框，删掉原来的示例文字，填入这条消息。

“9月23日，一家AI公司发布新模型，声称其代码能力比上一代提升30%，但目前只公布了宣传材料，没有公开完整测试数据。”

然后就可以直接体验Jev的三种能力：Choice、Score和Noul。虽然名字看起来挺面生的，但是用起来之后，还是挺好理解的：

Choice就是让Jev在几个答案里选一个。比如我们给它设置几个选项，让它判断一条内容下一步应该怎么处理。提交之后，它会告诉我们选了哪个答案，同时给出每个答案的概率。

比如我们想给这条新闻分类，就得先告诉它有哪些类别可以选。在Choice下方的“问题 / 指令”里，填入“这条消息最适合归类为什么？”

这时可以把“可选项”框里原来的内容替换成下面这四行：

product: 产品发布

performance: 性能提升

funding: 融资消息

other: 其他

假如Jev最后返回product，就表示它判断这条新闻的分类是“产品发布”。 这样，我们就给Jev出好了一道选择题。

它会从这四个答案里选一个，同时给出每个答案的概率，让我们看到它有多倾向于各个选项。

Score则是打分。分类只能告诉我们这是一条什么消息，但没法告诉我们该有多相信它，所以就需要多一个评分系统来辅助。

在Score的“问题 / 指令”里，填入“这条消息的可信程度有多高？”

下面的“评分等级”需要我们自己设置。这里每行填一个等级，按照从低到高的顺序排列：

很低

较低

中等

较高

很高

这时，我们相当于给了Jev一把打分的尺子，判断输入的材料的可信度到底有多高。

最后是Noul ，可以简单理解成回答“是或者不是”。网页上这一栏叫“Probability (Noul)”。

有时候，我们可能还想多了解一下比“可信程度有多高”更具体的情况。就拿我们原本想问的这个问题为例子，我们也许会好奇，公司说代码能力提升了30%，到底有没有拿出证据？

那么在这一栏的“问题 / 指令”中填入“这家公司是否已经证明新模型的代码能力比上一代提升30%？”，再把下面“‘否’与‘是’的定义”改成这两行：

false: 没有证明

true: 已经证明

到这里，三个问题就都设置好了。再来复习一下，通过这一轮设置，我们让Jev给同一条消息分个类、打个分，再判断其中的性能提升说法有没有得到证明；再点击下方的“体验Jev”，就把三个问题给提交了。

因为这次测试是运行在网页端，无论是电脑还是手机，都可以看到Jev返回的结果。

最终可以看到，Choice选择了product，也就是“产品发布”，对应的概率为0.62。“性能提升”的概率为0.38。它判断这是一次产品发布。

Score给出的分数是1.09。对照刚才设置的五档，这次结果接近“可信程度较低”。

Noul的结果则是0.04，说明根据我们提供的材料，它倾向于认为还没有证明。

在这一波流程后，Jev已经给出了它的初步判断：一条消息就有了分类、可信程度评分，以及针对具体说法的判断。但是它的依据只是我们填进去的文字，它并没有替我们上网找到完整测试报告。

于是，我们继续往下测。想要真正实现一个自动判断真伪的工具，还得让Python直接调用Jev，让它帮我们搭一个科技新闻的自动审核流程。

全自动，手搓审核工具

我们在Jev的Playground主页下方，找到了AI模型聚合平台OpenRouter。注册并登录账号，创建API Key后，就可以在Python中调用Jev了。

这里创建普通的OpenRouter API Key就可以，不需要另外申请Jev专用的。

另外，前面第三方网站每天六次的免费体验额度，不会带到OpenRouter，运行前需要确认账号里有可用额度。

接下来，我们需要在程序里填好要判断的新闻、想问的问题，以及可以选择的答案。这和前面在网页里填表是一样的，只是提交和接收结果的工作，现在交给Python来完成。

第一条测试，我们给Jev一条这样的新闻：

“某AI公司宣布新模型准确率提升50%，但目前没有公开任何测试方法、数据集或完整测试结果。”

我们提前告诉Jev，接下来只有三个选择：publish（发布）、verify（核实）、reject（拒绝）。同时，再让它判断这条消息的可信程度，以及是否需要人工审核。

这里还是用到了前面的三种能力。Choice这次负责选择下一步怎么处理，Score负责打分，Noul负责判断是否需要人工审核。后两项的数值，需要结合程序里设置的评分标准和审核条件来使用。

结果是：下一步：verify；可信程度：0.35；人工审核概率：0.88。

也就是说，Jev认为这条消息暂时不能直接发布，应该先核实，而且很可能需要人工看一下。Python程序拿到这个结果后，就可以自动把它放进“待核实”队列，并加上“需要人工审核”的标记。

整个过程其实可以简单理解成：

新闻进来 → Jev判断 → 程序看结果 → 自动执行下一步

不过，我们还想试一个更接近真实使用场景的玩法。

平时用AI查消息，我们经常会碰到一个问题。它能给出一段像模像样的回答，但这段回答究竟有多少依据，能不能直接拿来用，还得自己判断。

所以这次，我们让普通AI先回答问题，再把它的回答交给Jev检查。看看能不能让程序先进行筛选，把需要核实的回答留下来。

于是，我们先对着AI输入了一个问题：

“OpenAI最新模型的代码能力比上一代提升了30% 吗？”

这时就可以同时得到了普通AI的回答和Jev的结果：

可以见到，基于AI的回答，Jev给出的判断是，下一步是“verify”，可信程度3.2，人工审核概率0.38。

根据前面的三个选项，publish表示可以采用，verify表示需要核实，reject表示拒绝采用，也就是说AI回答的这个答案还是有点问题的。

当然Jev给出verify，也不等于它认定AI的回答是错的。

而人工审核概率为0.38，也没有达到我们设置的人工审核条件，所以程序没有把它交给人工，而是让它继续进入自动核实流程。

这样一来，一个最简单的“AI + Jev”的组合就形成了一基础流程：用户提问 → AI回答 → Jev检查 → 程序执行下一步

这时就可以让这个流程进入一个更加具体到场景了：

还是让Jev判断一条AI新闻应该怎么处理，不过这一次，我们把结果明确分成三个：publish：直接发布；verify：先核实；reject：直接拦截。

然后用Python写一个非常简单的规则：Jev返回什么，程序就执行对应的动作。

第一条测试内容是：某公司已经公开完整测试数据和技术报告，证明新模型性能有明确提升。Jev的判断是publish，直接发布；

第二条换成：某公司宣布新模型性能提升30%，但关键测试数据还没有公开。这一次，Jev给出的结果是verify，待核实；

最后，我们故意把条件变得更加夸张：某公司声称新模型性能提升1000%，但没有任何测试数据，也没有可靠来源。Jev返回reject，拒绝。

这三轮测试下来，发布、核实、拦截三个分支就都跑通了。

以后再有新闻进来，程序就可以先让Jev判断，再把消息交给对应的步骤处理，省去我们逐条查看结果、手动分类的过程。

下一个Manus时刻？

这次用下来，我们觉得最需要花心思的地方，其实是把问题问清楚。比如“这条消息可信吗”和“这家公司有没有证明性能提升”，看起来差不多，但对AI来说完全是两种不同的判断。

以前我们费尽心力给AI写更好的提示词，现在看来要用Jev这类软件，过硬的语文功底还是必不可少的。先想好自己需要什么结果，才能让Jev帮上忙。

另外，Jev的玩法其实还有很多。前面的新闻审核只是最基础的玩法，已经有人直接拿Jev研究微信聊天。

比如“Crush好感监控器”，就能分析聊天记录里的情绪和意图，还能给自己的回复评级。以前要截图问朋友“他这句话是什么意思”，现在有人把这件事做成了工具。

说起来，Jev的热度的确高得吓人，有当时Manus爆火时的味道了。

如果把“Manus时刻”理解成一种让人看完演示，就忍不住想亲手试试的兴奋感，那么Jev身上，或许的确是迎来了属于它但“Jev时刻”吧。