Jev 101 logo
Jev 101

Guides / 视频转图文攻略

Jev 赋能极速浏览器 Agent：178ms DOM 决策循环与双模型协作实战

最近更新: 2026-10-24

Jev Ultrafast GitHub 如何用过滤式 DOM Snapshot 取代 VLM 截图轮询，Parallel Sampler 零幻觉动作映射、RLCD 校准概率与 System 1/System 2 双模型编排。

速览结论

视觉语言浏览器 Agent 在生产中失败，因为截图轮询与自回归 JSON 生成既慢又易幻觉。Jev Ultrafast 捕获过滤后的 DOM 快照，Parallel Sampler 将输出映射到索引动作（Google Flights 决策循环 178ms），RLCD 校准置信度，文本生成交给 System Two LLM，Jev 负责点击与滚动。

视频来源

Alex Hitt

8:48NFKHLhAvj1g
访问频道观看原视频

分步图文攻略

  1. 1

    基准测试：顺序 VLM 循环 vs Jev Ultrafast

    苏黎世→伦敦 Google Flights 任务测得旧顺序感知-生成循环端到端 9.45 秒。迁移到 Jev 并行决策后总时间降 25% 至 7.09 秒，内部 AI 决策循环仅 178ms。协议调用减少约 90%，Token 成本降至每次动作几分之一美分——支持连续事件驱动监控，而非每小时批处理。

    Google Flights 浏览器 Agent 基准叠加层显示从顺序 VLM 截图轮询迁移到并行结构化采样后 Jev 决策循环时间为 178 毫秒。
    Google Flights 基准：178ms 决策循环，协议调用减少 90%。跳转至 0:30
  2. 2

    用过滤式原子 DOM 快照取代截图轮询

    传统 Agent 每轮 base64 编码截图，触发重布局。Jev Ultrafast 运行 JavaScript 工具捕获单一原子 DOM 快照——可操作元素、ARIA 标签、状态值——截断屏外节点以保留 context window。快照保留浏览器内存节点引用，消除脆弱 XPath/CSS 选择器生成。代价：WebGL 画布与复杂可视化对此读取路径不可见。

    过滤后的原子 DOM 快照数组高亮可操作 Aria 标签与屏上元素索引，屏外节点被截断以优化 Jev Token 效率。
    结构化 DOM 数组：索引化目标 + 屏外截断控制 Token 预算。跳转至 1:55
  3. 3

    Parallel Sampler 映射有效动作——零幻觉目标

    自回归 JSON 易发明选择器与畸形类型。Jev 单次并行读取 state 数组，跨 decision head 输出约束于预定操作（click、scroll、type_text）。每个动作绑定快照中的有效索引——在输出层结构上不可能幻觉不存在的目标。亚 20ms 推理用生成自由换取 type-safe 状态转移。

    Jev Parallel Sampler 架构将 decision head 映射到 click 与 scroll 动作，索引绑定有效 DOM 快照目标以防止幻觉 CSS 选择器。
    Parallel Sampler：动作 head + DOM 索引，无自由格式选择器字符串。跳转至 3:35
  4. 4

    双模型编排与物理执行防护栏

    System One Jev 无法生成开放式文本——若选择 type_text，循环暂停，System Two LLM 合成「Zurich」后恢复执行。生产防护包括点击遮挡验证（模态/粘性头遮挡则阻止点击）与 stale-page 指纹（React hydration 中途变异 DOM 则重试）。本地 Inspector 在可交互元素上叠加 live 概率百分比，实现认知透明调试。

    双模型浏览器 Agent 循环中 System One Jev 选择 type_text 动作后暂停，System Two LLM 生成 Zurich 文本再恢复 ultrafast 执行周期。
    双模型：Jev 决定动作类型；System Two LLM 填充文本字段。跳转至 6:05

常见问题（FAQ）

为何不为浏览器 Agent 直接用更大的视觉模型？

堆参数无法消除自回归生成延迟。航班搜索基准表明亚秒循环需要对 DOM state 做 structured sampling，而非每轮发送更重的截图编码器。

DOM 快照过滤有哪些盲区？

WebGL 场景、HTML5 canvas 游戏与标准 HTML 层级外的富可视化可能不可见。架构有意用全面视觉上下文换取 ingest 速度——适合表单密集的企业门户，不适合纯 canvas UI。

RLCD 如何改变浏览器自动化的置信度阈值？

RLCD 使报告置信度与 empirical 成功率对齐。Jev 对目标按钮输出 90% 置信度时，aggregate 准确率应接近 90%——可制定确定性规则：高于阈值自动点击，低于则升级人工或 Fallback 模型。

模态框遮挡目标按钮会怎样？

点击遮挡验证在 dispatch 前检查几何布局。若粘性头或广告模态重叠节点，主动阻止执行，而非向错误层 firing click——在充满异步 API、React hydration 与广告的现代网页上，速度与物理安全并重。

相关推荐

Jev 分类极速上手

OpenRouter API 图解：Choice、Score、Noul 三大原语。

阅读

Jev Trader 交易机器人

Monad 链上做市机器人：18ms 读循环与 300ms 区块窗口。

阅读

Awesome Jev 项目

社区浏览器 Agent、路由器与 ultrafast 自动化仓库。

阅读

更多视频攻略