我 Vibe Coding 出了 JEVia，试着把判断交给 Jev

我做了一个叫 JEVia 的 agent harness。它在自己电脑上运行，你带上自己的 API Key，选一个工作区，就可以让它处理任务。代码放在 GitHub，采用 MIT 许可。

我没有一行行写它。我把想要的东西讲清楚，让 AI 写代码，再拿任务去试。哪里不符合预期，就回到对话里继续改。JEVia 是这样 Vibe Coding 出来的。

我想动的地方，是 Agent 开始干活之前和干活途中做的那些判断。读完需求，要不要联网？拿到一批材料，够不够回答？准备写文件，这次改动能不能放行？如果每一处都让语言模型组织一段回答，程序还得从回答里找出那个真正要用的决定。

Jev 给了我另一种接口。这个由 TypeSafe 开发的模型接收问题，返回带概率的结构化结果。程序可以直接拿结果和阈值比较，再选择下一步。我把它接进了 JEVia。

一个任务进来，JEVia 会把几道问题合在一次 Jev 调用里。是否需要联网、多步骤计划是否合适，会和输出形式、技能选择一起评估。一次返回多项判断，每一项仍然可以单独检查。

以是否联网为例，返回 P(yes) 0.78，程序设置的阈值是 0.50，这个分支就会去搜索。概率不是保证，阈值也不是模型自己说了算；它们共同决定程序在什么情况下采取行动。

真正需要写内容的步骤，仍然交给语言模型。它也参与计划编译和工具调用。Jev 负责其中适合用结构化问题表达的判断，程序保留执行规则，三者在同一次任务里配合。

多步骤任务还会遇到另一个问题。整理原文和分析取舍，未必需要同样强的模型。Jev 评估步骤需要的能力，本地策略再从配置的模型清单里选择。选“够用就好”，程序找达标的便宜模型；选“用最强的”，生成步骤采用配置中更强的模型。没有模型达标时，默认停下来等待复核。

我试过让它读取工作区材料，判断三个需求哪个先做。那次记录是 8.6 秒，8 项判断，2 次 Jev 调用，另外有 2 次语言模型调用，费用显示为 $0.000552。

8 项判断没有变成 8 次请求。批量提问把它们放进了 2 次 Jev 调用里。对我来说，这比单看某一次判断有多快更有意思，因为任务的等待时间还包括生成和工具执行。

另一个任务跑了 5 步，调用了 4 次工具，累计 88 项判断。它连续读了三份文件，又写出一份结果，记录用时 54.3 秒，费用为 $0.0069。

这两组数字来自我提供的开发测试记录，不是这篇文章重新测出的结果，也不是跨产品基准。费用面板会区分服务商返回的费用与按价格表估算的费用；显示到很多位小数，不等于每一位都来自最终账单。

判断面板是我最想让人点开看的地方。一次运行问了哪些问题，返回了什么值，程序采用了什么阈值，都能在这里往回查。

例如，做成应用的概率是 0.11，低于 0.60 的阈值，于是继续生成文字。技能匹配给出 0.85 的置信度，选择了 compare-options。面板把这样的结果和对应问题放在一起，不必从整段运行说明里找线索。

某些判断低于配置的置信度要求时，会进入复核。默认的弃权阈值是 0.55；系统可以把未确定的部分交给语言模型处理。不是把整项任务重新做一遍，已经接受的判断仍然保留。

数字也可能错。它的用处是把错误留在一个可以检查的位置。如果不该联网却去搜了，可以先查联网那一项，再看是模型的判断偏了，还是阈值设得不合适。改动之后，可以用同一个任务重新跑，比较这一处有没有变化。

需要工具的任务会进入循环。语言模型发出工具调用，程序执行后把结果交回去，让模型决定下一步。一次模型请求和它发出的这一轮工具调用算一步；模型不再请求工具，这一轮就结束。

它可以读写工作区文件，也能精确替换原文中的一段。较复杂的任务可以维护待办清单，把一件独立工作委派给另一个模型。提问工具会真的停下来等用户回答。运行 Python 或后台命令需要额外开启执行权限。

在我提供的那次测试里，write_file 获得的放行概率是 0.70。Jev 同意之后，文件路径仍然要过程序的检查，不能写到工作区之外。网页访问也有独立的地址检查。模型判断不能取消这些限制。

权限由用户设置。只读任务不会因为模型想写文件就获得写入能力；打开“每次改动都问我”，有副作用的动作还要等你确认。命令执行默认关闭，开启后是在本机真的执行，不应把它当作隔离沙箱。

计划模式让程序在动手前先展示计划。觉得范围太大，可以让它改成两部分，再检查一次。MCP 接入使用 stdio 上的 JSON-RPC，服务器由用户在工作区配置，模型不能自行添加；接入的工具调用也会经过判断流程。

技能是 Markdown 文件。研究简报该怎么组织，比较方案时先看什么，可以写进文件里，再从界面导入。md 文件和 zip 都支持，安装后能看到名称与简介，也可以在任务里直接指定。

联网任务会先筛选来源和段落，再检查交给写作模型的材料是否足够。搜索结果里出现过答案，不代表最后保留的材料仍然包含答案。这个检查放在筛选之后，缺少判断或请求失败时记为未知。

有些任务适合交付一张表单或一个小看板。组件路径让 Jev 从预设组件里选择结构，语言模型填充内容；需要自定义逻辑时，也可以生成完整页面。页面在受限 iframe 中预览，文件保存到工作区。

运行记录采用追加方式保存。上下文太长时，早先的对话可以压成摘要，原记录仍然保留以便导出检查。一次回答漏掉了什么，可以回头查看压缩之前的材料。

JEVia 使用 Python 3.9 或更新版本的标准库，前端是原生 ES modules，不需要安装第三方 Python 包。下载仓库后运行 python3 app.py，再打开 http://127.0.0.1:8765，配置自己的密钥与工作区。界面支持中英文。

随当前介绍提供的工程记录包含 429 项 Python 测试和 24 项前端测试，MCP 测试会启动服务器进程检查通信。这些检查不能替代不同用户的真实任务，我仍然想看到它在哪些情况下会失败。

密钥保存在本地配置或浏览器中，调用模型时会发送给你配置的对应服务商。定时任务还会把运行所需配置和密钥写入工作区；本地运行不等于数据完全离线。

欢迎从 GitHub 下载体验。如果它选错了模型，或者在某一步停住，可以到 Issues 留下复现方式和当时的运行记录，记得删掉密钥与私人材料。想聊一个还没成形的功能，也可以在 X 上找我。

我是 Beating 主编 Sleepy。JEVia 还在改，欢迎来捉虫，也欢迎直接告诉我你希望它怎么工作。