网上现在到处是假的Jev演示，演示里能加红色菱形、放大、拖拽、设计UI、甚至实现特斯拉全自动驾驶，这些都是编的。Jev不是LLM，它是一个决策模型，只输出一个概率或从一组固定选项里选一个，速度快、成本低，但不会生成内容。
那些看起来惊艳的演示，其实是提前硬编码了一堆选项，比如“添加圆形”“添加蓝色方块”“移动到这里”“撤销”，然后让Jev在这些选项里挑一个，再假装是AI完成的。它不能精确控制大小、位置、颜色，也不能生成动态UI。自动驾驶的演示也是类似，Jev看不了图像和视频，只能读取游戏内部状态，然后在“左转、右转、开火”这类固定操作里选。
Jev插件的演示，比如自动铺地板砖，也是从一组固定高度里选，只能做极简单的游戏。用Jev逐行过滤Postgres数据库的演示，思路有趣，但真实生产级数据量下跑不起，太慢太贵。用Jev做代码压缩的演示也不成立，因为压缩是总结关键信息，不是逐行取舍。真正靠谱的用例有：邮件分类打标签，Riley做的这个方案作者已经集成进Agent Native Mail；浏览器操作，把HTML里每个可点击元素的ID传给Jev让它选下一步点哪个，只要网页有干净的标记就能跑得飞快；还有Nat做的命令K式自动补全，选项有限，语义搜索可行。
作者在Agent Native框架里把Jev用在了核心代理循环中，每次根据用户提示，用Jev快速筛选出最相关的工具、技能和资源放进LLM上下文，省去了把所有工具塞进上下文或用不靠谱的工具搜索，让便宜快速的模型也能有高质量结果。Jev真正的用武之地是分类这类场景，和LLM结合使用效果最好。
title: Fake Jev demos are taking over the internet
url: https://www.youtube.com/watch?v=Spn-F83ZHH0
uploader: Steve (Builder.io)
publish_timestamp: 2026-09-19 09:47:58 UTC+8
duration: 09:30
原视频描述(中文翻译):
Try Jev: https://typesafe.ai/
Try Agent-Native: https://github.com/BuilderIO/agent-native/
Try Agent-Native Mail: https://www.agent-native.com/apps/mail/
