@omarsar0：一直在将Jev集成到我的自定义工具中。我对看到的结果感到无比兴奋。大多数演示……

我一直在将Jev集成到我的自定义agent harness中。

对目前看到的成果感到无比兴奋。

时间线上大多数演示虽然炫目，但非常基础——注意到它们都聚焦于那些早已能实现的乏味分类任务。

我明白。Jev快速且低成本，这一点已毋庸置疑。

但Jev究竟能解锁哪些新可能？

这才是我更感兴趣的：Jev如何演进agent harness体验？

要认真探索这个问题，我们首先需要将Jev视为一个关键基础构件——这只是众多即将涌现构件中的一个。

我们必须思考它如何与当前的测试时计算策略形成互补。这不是竞争关系，而是加速器，能推动更有趣的规模化策略。

Jev正在我的自定义harness中解锁许多令人震撼的全新体验。这些功能此前或是成本过高，或是缺乏合适的基础构件，亦或因延迟限制而无法实现。

经过初步探索（很快会分享更多细节），以下几点让我尤为兴奋：

• Jev能实现更低成本与更高速的工作流（这是显而易见的），这将帮助我们更好地扩展agent harness。若你需要分类器、希望改进控制流程，或需要更确定性的工作流，不必使用标准LLM——Jev可能是更优选择。它也极其适合大规模标注任务。

• Jev通过智能决策组件、为动态工作流/实时生成harness提供的结构化智能，以及新的上下文管理策略提升了可靠性。我已观察到后者的一些实践案例，比如按需呈现上下文（类似工具调用、技能元数据等）的潜在方式。这方面有太多值得分享的内容。

• Jev解锁了增强agent体验的新颖有趣方式（例如动态界面、高效的LLM理事会、更智能的路由、实现更智能高效的编排与规划、更具决断力且通过呈现更相关及时的上下文来构建实用型主动代理）。

• Jev恰似一个正确的核心构件，能支持更可靠的评估策略（如LLM-as-a-Judge），并为agent harness构建强大的验证器。这两个领域是Jev可能释放巨大潜力的方向。更不用说，它具备合成高质量数据以加速RSI（递归自我改进）的潜力，促进模型与harness的协同进化。

本周我差旅至Dreamforce大会，此刻虽疲惫不堪，但完整指南即将发布。