世界從未停止變化。RSS
BIG CHANGE.

Markdown 版本

AI-translated from English; not yet reviewed by a fluent editor.

# Jev 展示影片呈現 AI 判斷如何嵌入日常軟體

> 八段 Jev 展示說明，AI 的文字判斷如何在既有應用程式中排序、選取或篩選。我們梳理周邊軟體仍須負責的工作，以及尚未測試的部分。

By BIG CHANGE Editorial

Published: 2026-09-24T22:47:28.571Z
Updated: 2026-09-24T22:47:28.571Z
Canonical: https://bigchange.ai/blog/jev-demos-ai-decisions-everyday-software

![Charcoal illustration of a desktop monitor showing a generic web article with one passage highlighted in orange.](https://bigchange.ai/api/media/file/jev-find-in-page-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE.

八個範例出自[Matthew Berman 於 9 月 24 日發布的影片](https://www.youtube.com/watch?v=jGD_UR4wMJc)將 TypeSafe AI 的 Jev 模型用於熟悉的任務：清理網頁、尋找段落、排列收件匣，以及選取介面元件。示範由不同開發者製作，但共同做法是讓模型只負責狹義判斷，應用程式則負責蒐集輸入並執行結果。

若能將模型判斷與程式碼或其他模型完成的工作分開看，每段影片就更有參考價值。使用者可能察覺的錯誤，也和模型呼叫本身同樣重要。這些仍是示範或早期工具；BIG CHANGE 尚未獨立測試其準確度或日常使用可靠性。

## 重大變化

- **有哪些改變：**建置者正把具型別的 AI 判斷嵌入既有軟體互動，從瀏覽器捷徑到收件匣檢視皆然。Jev 回傳選擇、分數或機率；應用程式提供候選資料，並依答案採取行動。
- **為何重要：**使用者閱讀、搜尋或分類時，軟體便能即時提供有用判斷，無須把整項工作交給聊天介面。同樣的設計也讓應用程式負責處理錯誤排序、隱藏內容及非預期操作。
- **接下來觀察：**下一步需要針對各項任務取得證據：工具能否選對段落、保留網頁重要控制項、妥善排列重要郵件，並在日常使用中處理不確定情況。單靠快速示範無法回答這些問題。

## 網頁清理工具呈現分工方式

[Kitze 的 Unclutter 瀏覽器擴充功能](https://x.com/thekitze/status/2100595129874817340)是最清楚的例子。其[專案 README](https://github.com/kitze/unclutter)指出，擴充功能會擷取網頁候選元素，再詢問 Jev 哪些元素並非必要。接著由瀏覽器程式碼套用可還原的隱藏規則、按頁面範本儲存，並在不再次呼叫模型的情況下重複套用。使用者可以暫停擴充功能、保留特定元素，或重新分析頁面。Cookie 覆蓋視窗可能會被隱藏，但擴充功能不會代替使用者按下「接受」或「拒絕」。

這是一條重要界線。Jev 可以判斷某個元素是雜亂資訊，但它不會控制瀏覽器、不會替使用者選擇同意選項，也不會決定規則保留多久。實際評估應檢查清理後的導覽、無障礙控制項、付費牆通知或真正的同意選項是否仍可使用。專案提供原始碼建置版本及自備 API 金鑰的設定方式，但 README 未提供這些錯誤的獨立實地研究。

該[Made with Jev 網站偵測器](https://madewithjev.com/free-tools/ai-slop-detector)在[Berman 影片 3:29 處出現](https://www.youtube.com/watch?v=jGD_UR4wMJc&t=209s)，其流程不同。工具說明，其方法是由瀏覽器測量渲染樣式、DeepSeek V4 Flash 描述螢幕截圖，再由 Jev 根據特徵清單判斷設計與文案，最後由另一個 DeepSeek 產生簡短結論。網站為 anthropic.com 顯示 26% 的「slop」分數。這是工具依自身風格規則算出的分數，並不能證明 Anthropic 網站有多少內容由 AI 撰寫，儘管 Berman 在影片中作出該推論。

## 資訊排序是另一種判斷

[Jonathan Unikowski 的收件匣示範](https://x.com/jnnnthnn/status/2101399331115077760)提議以即時重要性排序取代反向時間順序。他的貼文表示，這項功能「即將推出」至 Avec，但沒有證明收件匣已部署、沒有說明重要性的定義，也未獨立測量緊急郵件遭漏看的情況。應用程式仍須擷取郵件、呈現排序，並決定是否封存、加標籤或寄出；示範中的 Jev 負責的是優先排序。

[Shubham Saboo 的 Needle 擴充功能](https://x.com/Saboo_Shubham_/status/2101576462042366114)更清楚呈現兩者的差異。Saboo 表示，Jev 會依讀者的查詢為頁面段落評分，擴充功能則在原文中標示相符文字。他的[較完整說明](https://www.linkedin.com/posts/shubhamsaboo_introducing-a-new-way-to-find-f-withtypesafe-activity-7507513455138979841-CY8S)指出，Needle 不會撰寫答案：被標示的句子原本就存在於頁面上。這改變了頁面搜尋捷徑能搜尋的內容，但標示出的句子仍可能不正確。測試時需要採用正確段落已知的查詢，包括包含相似但互相矛盾說法的頁面。

[Burhan Usman 的影片剪輯貼文](https://x.com/BurhanUsman/status/2101641842441732297)表示，他在一支超過 90 分鐘的影片中找到某主題的片段。在[影片 8:34 處](https://www.youtube.com/watch?v=jGD_UR4wMJc&t=514s)，Berman 表示系統可能使用逐字稿；這是他的推測，並非已驗證的流程說明。該貼文未說明 Jev 實際接收或輸出的內容。剪輯應用程式仍須取得來源素材、確定時間範圍並產生可下載片段。貼文所述的時間與成本，是單一建置者的報告，沒有公開準確度測試或完整端到端工作量明細。

## 介面組合仍須由應用程式負責

[Chris Tate 的 json-render 實驗](https://x.com/ctatedev/status/2101022101750571357)根據應用程式提供的選項組合使用者介面。[專案的 Jev 文件](https://github.com/vercel-labs/json-render/blob/main/apps/web/lib/jev/README.md)有特別清楚的說明：Jev 選擇元件與版面位置；程式碼負責組合並驗證規格；渲染器則將其顯示。互動展示平台使用合成商業資料，動作處理器則在使用者互動時執行。因此，這項示範呈現的是組合受限介面的方式，並非模型獨立撰寫並部署網站。

另外兩個創意範例探索風險較低的選擇。[Matt DesLauriers 的色彩實驗](https://x.com/mattdesl/status/2100899669802963060)在視覺展示中將文字提示對應到調色盤。[Stefan 的表情符號實驗](https://x.com/heystefan_/status/2101369117496521042)（Berman 影片中[9:52 處展示）](https://www.youtube.com/watch?v=jGD_UR4wMJc&t=592s)會依據輸入文字將表情符號排序。兩個案例都是由應用程式呈現可選的視覺素材。貼文展示互動構想，但無法證明選擇結果適合品牌、符合對比度要求，或能在不同語言與情境下正常運作。

TypeSafe 的[文件](https://docs.typesafe.ai/introduction)說明這些範例為何有相似之處。Jev 會根據提供的狀態，評估具型別的 Choice、Score 及是／否問題。Choice 與 Score 會回傳分布及信心值，供軟體納入自己的規則。該公司[建議依實際任務測試門檻](https://docs.typesafe.ai/confidence)；信心值欄位並非獨立的準確度結果。

這些範例有力呈現一種設計模式：當固定規則過於僵化時，軟體可以在適當時機提出一個範圍明確的小問題。特定工具是否適合日常工作，取決於它會犯哪些錯誤、會顯示或隱藏哪些內容，以及應用程式是否提供復原方式。這些都是整體工作流程的特性，不能只看模型的判斷。

## Sources

- [Matthew Berman：8 個用 Jev 的案例，簡直像作弊](https://www.youtube.com/watch?v=jGD_UR4wMJc) — 這段 10:38 的影片整理了不同建置者的八項示範。我們檢視了完整英文自動字幕及章節列表。5:17 至 6:31 的 Zapier 片段有贊助。影片不是獨立的產品驗證。
- [TypeSafe AI：System One 模型與 Jev 介紹](https://typesafe.ai/blog/introducing-system-one-models-and-jev) — 官方早期存取公告及結構化模型判斷說明。效能結果來自公司測試，並附有限制；本文未將其作為八項示範的基準。
- [TypeSafe AI：Introduction 與 Confidence 文件](https://docs.typesafe.ai/introduction) — 說明 Jev 的輸入狀態及 Choice、Score 與 Noul 問題類型。配套的 Confidence 頁面說明 Choice 和 Score 的信心值是依答案分布推導，並指出必須針對使用者的任務測試操作門檻。
- [TypeSafe AI：Confidence](https://docs.typesafe.ai/confidence) — 說明答案機率、推導出的信心值及任務專屬操作門檻之間的差異。未證明本文任何示範的準確度。
- [Made with Jev：AI 內容風格偵測器](https://madewithjev.com/free-tools/ai-slop-detector) — 工具開發者說明其流程：瀏覽器測量、DeepSeek 觀察螢幕截圖、Jev 作出判斷，再由另一個 DeepSeek 提供結論。anthropic.com 的 26% 範例是依網站風格規則計分，並非 AI 撰寫的證據。
- [Kitze：Unclutter 公告與原始碼](https://github.com/kitze/unclutter) — 建置者的原始 README 說明由 Jev 分類候選元素、套用可還原的本機隱藏規則、重用頁面範本及提供使用者控制。9 月 17 日的原始貼文是 https://x.com/thekitze/status/2100595129874817340. 未找到獨立的實地使用評估。
- [Jonathan Unikowski：Jev 收件匣優先排序](https://x.com/jnnnthnn/status/2101399331115077760) — 建置者展示即時重要性排序，並表示功能即將推出至 Avec。這證明有相關示範及預定發布計畫，但不是已部署收件匣或優先排序準確度的測量。
- [Shubham Saboo：Needle 語意式頁面搜尋](https://x.com/Saboo_Shubham_/status/2101576462042366114) — 建置者展示開源 Chrome 擴充功能。他在較完整的 LinkedIn 說明中指出，Jev 會為頁面上既有段落評分，擴充功能再將其標示，不會生成替代答案；目前未提供獨立檢索評估。
- [Chris Tate：json-render 與 Jev 實驗](https://github.com/vercel-labs/json-render/blob/main/apps/web/lib/jev/README.md) — 專案文件指出，Jev 從應用程式提供的介面候選項中選擇；程式碼負責組合並驗證規格，渲染器再顯示介面。原始的 9 月 18 日示範貼文是 https://x.com/ctatedev/status/2101022101750571357. 展示平台使用合成資料。
- [Burhan Usman：依主題剪輯影片示範](https://x.com/BurhanUsman/status/2101641842441732297) — 建置者表示，他以主題剪輯一支超過 90 分鐘的影片。貼文未揭露完整流程，也未提供經驗證的時間界線或片段準確度；Berman 在影片中以逐字稿解釋流程，仍屬推測。
- [Matt DesLauriers：Jev 色彩實驗](https://x.com/mattdesl/status/2100899669802963060) — 原始視覺實驗將文字提示配對到色彩盤。這只能證明有創意示範，不能證明適用於正式設計或符合無障礙要求。
- [Stefan：Jev 表情符號實驗](https://x.com/heystefan_/status/2101369117496521042) — 原始貼文及 Berman 影片 9:52 處展示依輸入文字選擇表情符號。貼文未附使用性或跨語言評估。