Jev
Jev，这个小型决策模型：它回答什么、OpenHuman 在哪里使用它、它的成本以及如何配置它。
Jev 是一个决策模型，不是文本生成器。给它一个请求和一组带标签的选项，它会在大约 150 毫秒内为每个选项返回一个校准后的概率。OpenHuman 在需要从短列表中做出选择而不是撰写长文时，把它当作快速、低成本的裁判。这意味着在搜索过程中的工具选择，以及逐步的浏览器控制。
模型为 jev-1.13 和 jev-latest，由 TypeSafe AI 构建。OpenHuman 通过 TinyHumans System One 代理访问它们；或者在自带密钥的 OpenRouter 路由上直接访问。输入费用为每百万 token 0.042 美元，输出免费。一次典型的工具搜索会使用一到两千个 token。没有会话、没有思维链，也没有任何内容需要流式传输：一次请求，一组概率。
三种问题类型
Jev 回答三类问题。它们定义在 tinyjevclient:
Choice：对一组命名选项的概率分布。调用方可以取最优项、前三项，或者丢弃所有低于置信下限的结果。
Score：针对单个事物返回一个校准后的数值，而不是在多个选项中做选择。
Noul：一个是/否概率。OpenHuman 用它来询问“这是否完全适用”，而不是“这些之中哪一个适用”。
工具搜索会在同一个请求中发送一个 Choice 和一个 Noul。Choice 从候选短名单中选出一个工具（外加一个 none 选项），而 Noul 则说明该请求是否根本需要工具。浏览器控制会在每一步调用一次 Jev 来决定下一步动作。
为什么先做检索
Jev 在一次 Choice 中最多接受 255 个选项，而且当列表里塞满与请求无关的条目时，它的准确率会下降。因此 OpenHuman 从不把整个工具目录直接交给 Jev。 tinytools-jev (vendor/tinyagents/vendor/tinytools/crates/tinytools-jev/）会先缩小范围，再做决定：
检索器（默认使用 BM25，或者在配置了 embedding 排序器时使用 embedding 排序器）先筛出
retrieval_k个候选，默认 20 个。当目录本来就能装进一个 Choice 时，这一步会跳过。向 Jev 发出一次请求：对短名单做一个 Choice，再加上
none，以及一个询问该请求是否需要工具的 Noul。命中项按概率排序返回。
none会被移除，而任何低于min_probability（默认 0.05）的项都会被丢弃。
JevRankerConfig::with_strategy 决定如何缩小目录范围：
RetrieveThenDecide（默认）：先检索前 20 个，再做一次决定。召回率受限于检索器，因为漏掉的改写根本不会到达 Jev。FamilyThenDecide：一次评估先选出 family（一个工具包或一组包，其他任何内容都在core中）。然后第二次评估会针对所选 family 的每个成员分别运行。max_families默认是 2，且这些评估并发执行。一个能装进一个 Choice 的 family 会跳过检索，因此一个改写会在两个阶段都按语义判断，而不是先被词面过滤掉。
OpenHuman 如何使用它
工具搜索
tinyagents 框架拥有 tool_search / tool_call 桥接器，覆盖所有被注册为延迟加载的工具。 openhuman-tinyhumans 安装 TinyHumansJevRanker (crates/openhuman-tinyhumans/src/jev/ranker.rs）作为该桥接器的全局排序器（crates/openhuman-core/src/agent/tinyagents/discovery/）。产品默认使用 RetrieveThenDecide 并将进程的 embedding 提供器作为检索器，因此在 Jev 决策前，候选项是按语义而不是按共享词找到的。
排序器会在每次搜索时解析其 Jev 路由和凭证，而不是在安装时缓存它们，因为桌面端进程运行期间用户可能登录或退出。路由是 agent.tool_search.jev_route （见 配置）：TinyHumans 代理、TypeSafe 自己的 API，或者 OpenRouter 的 System One API。构建出的 Jev 客户端会按路由、凭证和后端 URL 缓存，因此稳定会话不会在每次搜索时都重建 HTTP 客户端。
如果进程没有可用的 embedding 提供器， TinyHumansJevRanker 就会拒绝，框架会改用自己的 BM25 排序。对词法短名单再运行 Jev 只会白白增加一次网络往返，并无收益。
浏览器控制
crates/openhuman-core/src/modules/browser_task.rs 把浏览器任务交给 TinyComputer 的任务成员（StartTask，然后 AwaitTask ，直到任务暂停或完成）。任务会停留在浏览器界面和允许的网站上。
决策模型设置在 [computer] decision_model中：Jev（登录后通过托管代理，或使用你的 OpenRouter 密钥）、OpenJev 或 Sage。一步失败后会交给救援模型（[computer] rescue_model，最多 max_rescues 次）然后任务才会失败。一个不可逆步骤会暂停为 needs_approval。浏览器工具会用一次性 token 将其保留，只有 confirm_pending通过主机审批关卡，才会响应 ContinueTask.
TinyComputer 模块会通过主机的 SiteMemoryHost 接口保存已完成浏览器任务学到的内容，按站点分别保存（crates/openhuman-core/src/modules/site_memory_host.rs 将其存入 <workspace>/state/computer/sites/). StartTask.site 会让模块加载它，并把它交给同一站点上的任务：
一次运行完成时所采用的计划，会作为同一目标和事实下该任务的 flow 写入，因此不需要重新规划。
它找到的元素会作为 grounding 提示写入。记住一个元素只需一次是/否判断，而不需要搜索。
只有完成的运行（done，或其支付检查点）才会学习任何东西。只有当一次运行不需要救援，并且不包含其目标不具备的事实值时，计划才会被保留。一个被复用的计划如果失败或需要救援，就会被遗忘。包含事实值或页面文本的元素不会被保留。条目在 30 天未使用后过期，且其中任何内容都不会进入代理的记忆或提示词。 [browser] learn_from_tasks 会关闭这一功能，而 modules.browser_forget_sites 会遗忘单个站点或全部站点。
测量结果
这些数字来自 docs/plans/jev-tool-search-baseline.md。测试使用了 215 个核心工具、1,000 条记录的 Composio 动作，以及 160 条手写请求。其中 66 条映射到一个 Composio 动作，63 条映射到一个核心工具，31 条应该不使用任何工具。
BM25
22.5%
38.0%
26
28 毫秒
Jev，BM25 先取前 20 再决定
57.4%
62.0%
1
1.5 秒
Jev，embedding 先取前 20 再决定（产品默认）
62.0%
66.7%
1
1.5 秒
Jev，先按 family 再决定
62.0% 到 64.3%
67.4% 到 69.0%
1
1.3 秒
在仅限 Composio 的子集上， FamilyThenDecide 对过大的 family 使用 embedding 裁切后，可达到 80.3% 的 Top-1 和 87.9% 的 Top-3。BM25 仅达到 18.2% 和 36.4%。
差距主要来自检索，而不是决策。使用 RetrieveThenDecide 和 BM25 进行短名单筛选时，Jev 在 Composio 上的 Top-3（72.7%）等于 BM25 的 recall@20。Jev 能从它看到的所有候选中正确选择，但像“ping alex”这种针对 SLACK_SEND_MESSAGE 的改写根本到不了它那里。让 Jev 先选择 family，会移除所有能装进一个 Choice 的工具包的短名单，并把 Composio 的 Top-3 提升到 80% 多。
在任何 Jev 配置下，无谓工具调用都会显著下降。BM25 会用错误工具回答 31 个无工具请求中的 26 个。Jev 的 none 选项和 needs_tool Noul 让它除了一个之外都能放弃回答。
配置
ToolSearchConfig (crates/openhuman-core/src/config/schema/agent.rs）是 [agent.tool_search] 配置块：
ranker = "jev"：使用已安装的决策模型排序器。只有当 Jev 失败或进程没有 TinyHumans 凭证时，才回退到 BM25。"auto"：与"jev"."bm25"：仅使用内置词法排序器，不发起网络调用。"compare"：同时提供 Jev，并把 BM25 排名记录到tool.searched遥测中。你可以在不改变模型可见内容的情况下，对实时流量比较两者。jev_route：Jev 调用会走哪里。"auto"如果进程有 TinyHumans 凭证，就使用它；否则使用TYPESAFE_API_KEY（直接连接 TypeSafe）；否则使用 OpenRouter 密钥（OPENROUTER_API_KEY，或者已存储的openrouter密钥）。"tinyhumans","typesafe"和"openrouter"锁定一个路由，不再回退到其他凭证。可在启动时通过OPENHUMAN_JEV_ROUTE.jev_base_url：替换typesafe和openrouter路由的 API 源站，例如计量代理或镜像站。远程源站必须使用 HTTPS。只有字面上的回环 IP 才接受 HTTP。可在启动时通过OPENHUMAN_JEV_BASE_URL.top_k：当模型没有请求数量时，一次搜索返回多少个匹配项。默认值是 3，足以用于选择，同时不会返回多到让 deferring schemas 失去意义。
如果没有 embedding 提供器，或者所选路由没有可用凭证，工具搜索会自动回退到 BM25。 auto 和 jev 因此在未设置凭证时不会产生额外成本。没有 TinyHumans 账户的配置需要一个不依赖它的 embedding 提供器（例如 memory.embedding_provider = "custom:<OpenAI-compatible endpoint>"）以及一个 TypeSafe 或 OpenRouter 密钥。
运行基准测试
tool-search-bench 位于 profile/ crate 中的 openhuman-benchmarks。在该仓库的一个检出版本中：
OPENHUMAN_BACKEND_API_KEY （或 TYPESAFE_API_KEY）用于选择凭证。若没有凭证，基准测试会像产品一样，通过已登录的 TinyHumans 会话进行排序。
代码位置
vendor/tinyagents/vendor/tinytools/crates/tinytools-jev/：与传输无关的ToolRanker实现、其检索策略，以及JevRankerConfig/JevRanking类型。crates/openhuman-tinyhumans/src/jev/：TinyHumans 评估器（TinyJevEvaluator，位于tinyjevclient）以及进程内安装的排序器（TinyHumansJevRanker).crates/openhuman-core/src/agent/tinyagents/discovery/：保存已安装排序器的主机槽位，并将[agent.tool_search]转换为一次回合所使用的策略。crates/openhuman-core/src/modules/browser_task.rs：运行JevController.docs/plans/jev-tool-search-baseline.md：完整的基准测试说明。
另见 性能 ，了解更广泛的成本和密度情况， 可插拔引擎 ，了解其他可替换部件，以及 Embedding OpenHuman ，了解如何将代理作为库运行。
最后更新于