用 Jev 决定浏览器智能体的下一步

Jev 能驱动浏览器智能体吗？

单靠它自己不能。Jev 不会点击、不会输入，也不会读取屏幕。它只针对你发送的状态回答有明确类型的问题。放到浏览器智能体里，它适合承担一项很窄的工作：拿到当前页面的文字描述和目标后，从一份简短的候选清单中选出下一步，而清单上的每一步，你的代码都已经知道怎么执行。

TypeSafe 的构建指南描述的也是这种分工：代码始终掌握控制权，模型只接收范围明确、结构化的判断。智能体循环、页面读取、点击和重试，都仍是普通的软件逻辑。

打开可编辑的下一步模板。其中有一个虚构的报名页面、一个问题和 4 个选项。载入只会建立草稿，主动点击检查才运行。

把页面描述成状态，而不是截图

模板发送的是纯文本：目标、页面标题，以及可见元素和它们当前的值。要包含哪些内容，由你的页面读取程序决定。这次判断用不到的信息就不要放进去；也绝不要把密码、支付信息或他人的个人数据发送到公开演示中。

每个选项对应智能体中的一个函数。Jev 负责挑选函数；参数则由你的代码提供，并且应当是代码能够核实的内容，例如哪个字段还空着。TypeSafe 的函数调用实用示例采用同样的思路：封闭集合内的选择写成问题，自由文本、数字和日期仍交给代码处理。

每次只改一项，再比较结果

1. 按原样运行模板，记录选中的步骤及其他选项的概率。
2. 在页面描述中把电子邮箱填上，再运行一次。运行前先想好你预期会选中哪一步。
3. 从目标中删去邮箱地址，并让该字段保持为空。这时智能体手里没有要填的值，稳妥的设计应当倾向于请人工介入。

模板没有预填正确答案，一次运行也算不上测量。如果两个选项总是难分高下，就改写它们的描述，直到一个人无需猜测也能照着执行；参见如何处理重叠标签。

让风险高低决定阈值

TypeSafe 的置信度门控路由模式把置信度当作第二个信号：答案说明该做什么，置信度说明要不要执行。在它的示例中，低风险操作达到中等置信度即可放行，而批准一笔转账则要求高得多的置信度。这里也可以照此处理：重新读取页面代价很小；提交表单、付款或删除则不然。阈值应当根据你自己标注过的样本来定，动手之前请先读概率与置信度的区别。

社区做过哪些尝试

项目案例页收录了一个社区的浏览器智能体原型，它把决策这一步交给了 Jev。其中关于速度的说法出自作者本人，而且他同时改动了好几处，因此无法单独看出 Jev 带来的影响。这类报告可以当作值得验证的思路；之后请从自己的产品中整理一小组页面状态，逐步人工核对，再让智能体操作真实账户。