jevbooks

← 全部项目

jev-browser

wKarahan52/jev-browser

LLM 规划,Jev 以类型化概率决定浏览器操作。

Agent 决策1.00次选分类: 分类与路由菜单代笔问卷盲审
README 自动摘要

根据 README 自动整理于 2026年10月18日,不是本站运行记录。运行步骤和作者声称的效果仍需核验。

这是什么

面向 LLM 代理的浏览器自动化库、CLI 和 MCP 服务器:调用方 LLM 每步只说明一个目标,由 Jev 选择元素、动作和值,Playwright 负责执行。

它怎么用 Jev

每一轮由代码描述页面(元素、标签、状态、文本、diff、计数)。一次约 300 ms 的 System One 请求同时向 Jev 提出多个问题:选哪个元素、哪个动作、哪个值,以及该步是否完成、受阻、报错或不可逆。随后由 Playwright 执行所选动作。

用到的原语:choicescorenoul

值得抄的做法

把读页面交给类型化 System One 模型:每轮提出多个类型化问题,使 LLM 无需读取快照。

怎么试

先运行 npx playwright install chromium,再用 TYPESAFE_API_KEY 或 OPENROUTER_API_KEY 添加 MCP 服务器。

去 GitHub 看

开始使用 Jev:API key 与第一个请求 →

README 片段的模型判断

项目信号使用仓库元信息、已有摘要与 README 前 700 个字符;没有通读完整项目。“未检出”仅表示这些材料中未检出,并不证明项目没有该能力。这里保留原始判断与实际记录的模型、日期,不是源码审计或运行验收。

模型与判定日期

收录门禁
jev-1.13.0
项目信号
jev-1.13.0
项目分类
jev-1.13.0
模式标签
jev-1.13.0

证据

这些信号只读取仓库元信息、已有摘要与清理后的 README 前 700 字符。≥ 0.60 表示片段中有提及,≤ 0.40 表示未检出,中间为未判定;都不是源码审查或运行结果。「可运行工具」题排除了研究实验,「推荐」题筛的是学习案例 Top 10,不是内容质量合格与否。

  • Jev 是项目的核心在材料中检出0.93
  • 展示了 System One 用法在材料中检出0.96
  • 写了怎么处理不确定片段中未检出0.07
  • 给出了实测数字片段中未检出0.29
  • 是能跑起来的工具在材料中检出0.94
  • 学习案例 Top 10 候选信号未判定0.51
  • 是模型本身的复刻片段中未检出0.03
  • 解决的问题够普遍(0–2)按 0–2 打分1.09 / 2
  • 与 Jev 相关在材料中检出0.98
信号
Jev 是项目的核心0.93展示了 System One 用法0.96写了怎么处理不确定0.07给出了实测数字0.29是能跑起来的工具0.94学习案例 Top 10 候选信号0.51是模型本身的复刻0.0300.51解决的问题够普遍(0–2)1.09 / 2012

无判定区(0.40–0.60)

设计模式
问卷0.98代笔0.89菜单0.85盲审0.77漏斗0.68预问0.62取景框0.35信号灯0.2800.51

无判定区(0.40–0.60)

各阶段的 Jev 模型与判定日期见上方记录。简介由 DeepSeek V4.1 Flash 于 2026年10月18日 读 README 写成。