Jev Chat Jarvis！聊天界的开源贾维斯！
当前大火的 Jev 决策模型，撞上我们日常用的手机聊天工具，会擦出什么样的火花？这个开源项目直接把火花烧进了聊天框——它就是 Jev Chat Jarvis，GitHub 上已经攒了七千多颗星。用起来很简单：装上 APK，开好无障碍和悬浮窗权限，填上自己的模型 API key 就能跑。
它的工作方式是先读屏再递话。它会读出屏幕上正在聊的这一屏对话，先判断对方真实意图和危险等级、这消息该不该马上回，然后给出 3 条排好序的候选回复。你点一下就能填进输入框——但发不发永远你说了算，它不会替你按发送。QQ、飞书等常用聊天软件都能跑。
落到具体场景就很实用：客户半夜发来一句「在吗」、相亲对象突然冷淡、老板在群里点你名，它都能先帮你掂量一下再递话，把该怎么接的台阶先铺好。
比较难得的是它在隐私上的克制。它不碰你的账号密码，也不篡改聊天软件本身，工作原理跟手机自带的读屏功能一样，只看屏幕上显示的这一屏；转账、红包一概不碰，截图也只在本机识别、不上传。它还能给联系人存档案、写备注，让生成的回复贴合你的实际情况，不会跟真实处境打架。
模型接口自己配就行，OpenRouter、DeepSeek、通义都可以。代码采用 MIT 协议，注明出处就能商用。天天靠聊天吃饭的兄弟可以整一个——顺便保住你剩下那一半还没秃完的头发。
微信赞赏
相关推荐
2026-09-19
Jev模型究竟是个什么鬼？凭什么海外爆火？
Jev 最近红透半边天——不止海外火了，国内也火得一塌糊涂。它到底是个什么鬼？简单说，它不是聊天模型。用法非常朴素：丢一段文本进去，再给一组带类型的问题，它一个字都不写，直接回概率。问题只有三种：choice 给几个选项让它挑一个，score 按你的量表打分，布尔判断则返回「是」的概率。 这恰恰是我们过去一直用 JSON 硬凑的东西。大模型吐出的那个 0.9 只是个字符，不是真概率；而 Jev 给的是校准过的真概率——它说 90%，就真有九成概率会答对。这让人想起几年前跟着吴恩达学深度学习时最早学的监督学习：训练一个分类器，分辨哪些邮件是垃圾邮件、哪些评论是负面评论。区别在于，传统分类器每换一个任务就得重新训练，标签也是焊死的；Jev 一个模型通吃，工单归哪类、评论正不正、消息急不急，同一套接口全扔给它，还不用人标数据训模型。 速度和成本是它爆火的直接原因。实测走 OpenRouter，输入每百万 token 4.2 美分，输出免费——因为根本没有逐字生成这回事。官方给出的端到端延迟是 70 到 500 毫秒。有开发者把 20 个任务串起来跑完，成本刚过一美分的十二分之一。...
2026-09-19
Jev大模型API接入和测评报告！
Jev 这两天的风头可谓无两。上一期我们介绍过它是个什么鬼——一个只做分类和判断、不写字的模型，能有这样的热度着实难能可贵。这一期就来解决实际问题：它到底该怎么用，以及它和普通大语言模型相比，性能究竟差多少。 接入本身并不复杂。准备好 API key 后，可以直接照着 OpenRouter 上的示例调用，我这里做了一层简单封装。要记住它不是聊天模型，而是一个决策模型，决策类型只有三种：choice 做选择、score 判断得分、noul 做是非题。代码里的 state 就是你的测试用例，比如「用户抱怨被重复扣款两次」；questions 里放的是模型需要做出的判断类型和标准。我把三种类型都塞了进去：choice 按 criteria 标准判断这条陈述该归哪个部门处理，noul 判断用户是否有退款诉求，score 打分判断这件事有多紧急。 跑出来的结果很直观。重复扣款那一条，它判定应该由 billing 计费部门处理；退款意向的 noul 测试，它认为用户有 90% 的概率要求退款；工单紧急度打分 1.46，归档结论是「要尽快处理，但还没到阻塞用户的程度」——每个结果都还附带...
2026-09-21
Jev模型新手入门指南！手把手教你接入和使用！
快速跟大家说下怎么接入当前最火的 Jev 决策模型。总的来说两种方式：一种是官方接入，昨天还要排队，今天已经放开了，且当前可以免费用；另外一种是我之前几个视频用的 OpenRouter，这里一并给大家介绍，方便刚接触的同学。 第一种方式，先到 typesafe.ai 官网，左边可以看到 API keys 的菜单，点击进去就可以创建自己的 key 了。当前是不需要付费的，反正我自己没有付费。免费额度多少或者免费到什么时候我没有去查，因为我给大家演示不需要多大的量，且我在 OpenRouter 上付费了，用 OpenRouter 就够了。 创建好 key 后，大家根据自己操作系统的情况把 key 保存到环境变量。如果这个不清楚的自己问下 DeepSeek 就好了。跟着大家可以看一下我这个完整的示例，自己截个图然后叫豆包之类的把代码解析出来，保存成 JavaScript 文件就好了。整个代码非常简单。 这里快速跟大家过一遍：首先从环境变量中取到我们刚才保存到环境变量的 API key，然后开始构建要发送到 Jev 的结构体。body 中的 model 就是模型，state 就是我...
2026-09-21
Laya大模型！Jev开源平替！本地轻松部署！
Jev 的平替就这么被开源了，兄弟们。看一下 GitHub 上这个叫 Laya 的项目：上线三天，4000 多颗星，pip 一行装上就能用。 用法是把它当决策层用：把邮件、工单这类原文倒进去，再用 choice、score、noul 这三种题型把要问的事情写清楚——比如这封邮件应该转给哪个部门？客户有多急？客户是不是想要退款？这条 prompt 是不是越狱注入？30 毫秒左右，所有答案一起回来。它不生成文字，所以你不用像调用大模型那样拿代码去解析结果，它也没法编点什么出来。 作者还拿它跟 Jev 对着测：Laya 答对了 76.6%，Jev 自己公布的是 72.7%，高那么一点点；速度就差得比较多了——Jev 200 多毫秒，而它 30 毫秒。同时 Jev 是个闭源接口，按调用量来收钱；Laya 你下载回来自己跑，不花钱。 作者在页面上也写清楚了哪儿不行：比如选项超过 20 个，它就不如 Jev 了；想更准确一点，得自己去训练一遍，脚本和教程作者都给了，免费显卡跑个四五小时就搞定了。而协议用的是 Apache 2.0，所以可以商用。 做工单分流、内容审核、AI 网办的兄弟，...
2026-09-20
Jev大模型是怎么玩游戏的？实现原理浅析！
上几集分享了几个最近全球大火的 Jev 决策大模型的视频，然后有粉丝说想看一下它是怎么自动玩游戏的。首先这里声明下，这个模型不是个聊天模型，它只是个决策模型——你输入当前的状态，它来做决策。你可以把它封装成一个函数，接受状态输入作为参数，然后返回决策结果，但是状态的获取和决策后下一步真要怎么移动，是其他代码或者工具要做的事情。 就以我们现在做的这个 Jev 玩贪吃蛇游戏的 Demo 来举例子。每一步输入的状态就是当前地图的大小、蛇头所在坐标、蛇身每个方块所在坐标、食物所在坐标、当前方向等，然后要 Jev 来根据这些信息决策下一步应该是上下还是左右。这些输入的状态，如果你没有源码的话，要看你的游戏有没有 API 或者什么方法获取到。 另外一个方法就是截屏，通过接入 VLLM（多模态大语言模型），把截屏发送给 VLLM 获取到整个游戏当前的状态，通过文字形式发送回来。然后我们的代码将这个信息发送给 G5 或 OpenRouter 上托管的 Jev 大模型，让它来决策下一步应该怎么做。Jev 说应该向左，那么我们的代码就可以直接调用游戏的 API 或者 Playwright 这些...
2026-09-21
千问办公实战（27）！Jev办公邮件分类实战！
Jev 这个决策模型有多火，相信地球人都知道。上个视频跟大家说了开发怎么接入和使用，这个视频跟大家说下普通办公人员怎么接入到千问办公中使用。 首先我们来到 Jev 母公司 TypeSafe AI 的 console，点击左边的 API keys，先创建好一个 Jev 的 API key。然后我们打开千问办公，输入下面这段提示词，叫它帮忙装上 Jev 的官方 skill，完了后它会提醒我们提供 API key，直接提供就好了。到这里 Jev Skill 就安装好了。 下面给大家演示一下怎么使用。我这里演示的一个场景是叫 Jev 帮忙判断我们哪些邮件必须今天回复。因为我们平时邮箱都是一大堆邮件的，有真正有价值的，也有些毫无价值的营销邮件，我们一个个去看太麻烦，叫大语言模型去分析，邮件太多太长的话又太耗 tokens 太烧钱，这正是 Jev 的用武之地了。 这里我们先点击下千问办公左边菜单中的连接器，找到 Microsoft 365 这个连接器，然后把它连接上，中间需要授下权的，我这里是之前已经连接上的了。连接好后大家先看下我当前的邮件状态，可以看到我这里今天有几封邮件：一封是微...
