最近吵得热火朝天的「Jev」到底是个什么东西？

王星云

这个又学到了，不懂代码的小白用AI编程会遇到技术决策，不懂的时候可以看jev哪条路坚持，哪条路舍弃？

成思宁

已经有人做了个jev聊天助手，直接把追女神变成了旮旯肝木

缘信不可不

感觉这个AI在智驾方面能有大用处

YY芋圆

这是我第一次系统性看待AI模型，整篇看下来，我大概了解了Jev的优势。最深刻的就是它的迅速判断能力。在我看来，Jev让用户的问题变得更加可视化，能更直接得到一个反馈，因为概率很清晰明了，这一点区别于大部分生成文本的AI。将Jev和LLM结合，可以更好提高工作效率和判断决策。

yinda_peng

我的理解就是用来做小事情的，像流水线机器的，一些不需要语义的工作花费很贵的token划不来

pszo

刚看完 Jev 这篇，感觉思路挺有意思。

平时用大模型做 Agent 经常头疼，明明只是要个分类或者风险判断，LLM 非要输出一大段文字，还要写一堆正则、JSON 解析、异常处理来捞结果，稍微输出格式不对整个流程就崩了。

Jev 直接放弃文本生成，专门做结构化概率判断这点很戳人。Choice、Score、Noul 三种输出，把判断和执行拆开，AI 只管给概率，实际怎么做交给代码控制，不是 AI 说啥就干啥。还有概率校准也很关键，模型给出的置信度要和实际正确率匹配，工程上才能设置阈值分流，高置信自动跑，拿不准就丢给人。

它不是来取代 LLM 的，更像是 Agent 里负责快速直觉判断的 System One，把意图识别、风险评估这些高频小决策接过来，LLM 专心做复杂生成推理。速度成本优势也很可观。

当然也别神化，它只能保证输出格式合法，语义照样会判错，概率校准才是兜底。这种 “不说话的后台 AI”，说不定才是以后软件里 AI 的主流形态。

SiegfriedStyx

挺好，这样一来效率真的能提升不少，LLM负责和用户交互，Jev专门负责执行

yc学Python

LLM为AI安上嘴巴，让它理解问题；Jev又让AI专注分析，多了环节，却节省了算力，最后将执行动作划分给code；这就是所谓的磨刀不误砍柴工吧！

磊之茶

感觉越来越像大脑了。视觉皮层负责视觉，杏仁核负责情绪，基底节负责把动作打包成“执行或不执行”，而前额叶负责复杂推理。 Jev 这类东西更像是在功能层面模仿大脑：快速、并行、概率化、面向行动，而不是面向表达。大脑本来就不是一个通用文字生成器，大部分判断由基底节、杏仁核、感觉皮层快速完成，输出的是放电频率和概率分布，再由下游回路做阈值判断。只有少数复杂问题才上调到前额叶慢慢推理。Jev 输出 billing / 0.91 / 0.94，代码再决定 if p > 0.9: 转人工()，这跟大脑“概率判断 → 阈值 → 行动”的路径非常像。LLM 像语言脑区，Jev 像逻辑脑区，代码像执行脑区，CV像视觉皮层，RAG和Chunking还有Embedding像海马体。当然这只是功能类比，不是生物学等同，但方向确实越来越像大脑的分工方式了，当然本人才疏学浅，对生物荒谬的理解也请不要发笑

天道不酬勤

jev使agent更加智能了，专业的决策工具加上llm进行工作，我们可以更好的解放双手与大脑，去做更加有意义的事情，就是不知道这个概念啥时候能普及到agent中

高山

有个问题，其实我们在API传参时也可以要求AI以JSON的形式返回呀，AI一般会听从这条指令的~
这样的模型训练难度大么~

小甲鱼

高山 发表于 2026-9-22 04:59
有个问题，其实我们在API传参时也可以要求AI以JSON的形式返回呀，AI一般会听从这条指令的~
这样的模型训练 ...

现在直接在提示词里要求 “请以 JSON 格式返回”，绝大多数主流大模型都能配合得很好。

不过，从 “模型训练” 和 “技术演进” 的角度来看，要让大模型百分之百稳定、可靠地输出结构化 JSON，几乎不可能。

简单来说：如果只是让它 “经常” 做到，难度并不大；但要让它在企业级生产环境中 “绝对不出错” 地做到，难度相当高。

高山

小甲鱼 发表于 2026-9-23 00:52
现在直接在提示词里要求 “请以 JSON 格式返回”，绝大多数主流大模型都能配合得很好。

不过，从 “模 ...

嗯，确实，当今也有AI违反要求返回非标准格式的内容，比如当今AI助手排版错乱可能就是其中之一。

小甲鱼

高山 发表于 2026-9-23 04:59
嗯，确实，当今也有AI违反要求返回非标准格式的内容，比如当今AI助手排版错乱可能就是其中之一。

是的，Prompt 不是万能的，所以 Jev 的出现有点像于当年 GPU 的诞生~

changqing0805

中午吃米饭还是面条  这个更应思考，结合提问者的之前的信息 推断，推理  若不能至少结合事实，直接推荐 并说明原因

wakey

这个东西感觉有点像豆包

lzwjz

没炒作没市场

9157305

这学习 确实不错 我也在学习

zhae89

又是新知识学习

清风20260225

回到过去。一圈循环。否定肯定。博。专。好好学习。

Summeringg

那Jev不就是回归最原始的代码？

Lculyh

Jev？不，是我的打卡次数够30次了

小芒果炒酸奶

谢谢分享

kologg

又学习到了新知识

白鹿洞书院

LLM 把 AI 变成了一个会说话的人，而 Jev 想把 AI 变成一个程序可以直接调用的判断函数。通过这篇文章，也让我们知道AI技术在不断发展，不断变的更加聪明来帮我们做事

Sora-空

把大模型拆开看？似乎AI发展越来越趋近分工细化（）

努努OvO

大语言模型好比前台，提供情绪价值和文字工作，而Jev更像是工人，快速解决问题和给出方案，不知道我这个理解对不对

yfz313

结构化工作和json形式返回是使用多个模型工作时需要首先考虑的问题，这一点jev提供了新的思路

捭阖jacky

努力学习中。继续努力。