为什么jev-browser-use能快5-10倍?深度剖析Jev执行与Codex验证的双角色分工原理
为什么jev-browser-use能快5-10倍?深度剖析Jev执行与Codex验证的双角色分工原理
做过 AI 浏览器自动化的人都懂这种痛:点一个按钮,模型要想一轮;滚一次页面,模型又要再等一轮。jev-browser-use 正是为解决这个问题而生——它是一个浏览器 Skill,让 Jev 负责点击、导航和滚动,Codex 负责规划、输入文字和最终验证。官方在 EZCollegeApp 工作流中的实测结果是:浏览器操作速度提升约 5–10 倍,且不需要额外的浏览器驱动和 npm 依赖。
为什么传统浏览器自动化会这么慢?
先搞清楚瓶颈在哪,才能理解加速的原理。
传统做法里,AI Agent 每执行一次浏览器操作(点击、翻页、滚动),都要经历一次完整的"模型回合":
- 观察当前页面(截图或 DOM)
- 大模型思考一次,决定下一步动作
- 执行动作
- 再观察、再思考……
问题在于:大量操作是机械性的——打开筛选器、切换视图、滚动查看结果。这些动作根本不需要"聪明",但传统流程里它们和"写文案""判断内容是否正确"一样,都消耗同样的昂贵模型回合。
jev-browser-use 的思路是把这两类工作拆开:
机械操作交给快且便宜的 Jev 批量处理,只有需要判断的工作才交给 Codex。
Jev 执行 + Codex 验证:双角色分工原理
两者各干各擅长的事,边界非常清晰:
| 角色 | 负责什么 | 明确不做的事 |
|---|---|---|
| Jev(执行者) | 导航、点击、开关切换、滚动、重载、有界按键;从当前页面观察到的控件中选择下一个动作 | 不聊天、不输入文字、不识别截图、不生成选择器或坐标 |
| Codex(思考者) | 任务规划、所有文字输入、视觉与语义判断、敏感操作、最终验证 | 不再为每次机械点击消耗一个模型回合 |
几个关键设计点,决定了它"快而不失控":
- Jev 接收的是无障碍(accessibility)文本,而不是截图。省去了截图生成、传输和视觉模型解读的整条链路,决策更快。
- Jev 永远不宣称"验证通过"。它完成任务后只返回
needs_verification信号,把浏览器控制权交还 Codex,由 Codex 用全新的页面状态(必要时加截图)独立核验结果。详见 SKILL.md 的 Handle results and verify 章节。 - 会话不丢失。
createSession()会在 Codex 接管与 Jev 恢复之间保留历史、指标和进度;Codex 处理完不支持的控件(如输入文字)后,Jev 在同一会话里继续,而不是从头再来。
动作循环如何工作:目标 → 观察 → 决策 → 执行 → 验证
等等——上面这张图刚用过,这里不再重复。整个流程可以概括为一句话(来自 README.md):
Goal → observe controls → Jev chooses an action → browser → repeat → Codex verifies.
拆开来看:
- 设定目标:Codex 写入具体目标、期望的最终状态和域名白名单(
allowedOrigins),并声明哪些控件允许点击、哪些(如发布、删除、购买)必须保留给 Codex 审批。 - 观察控件:Jev 基于最新的完整无障碍快照,只暴露策略允许的、去重后的可点击控件。
- 循环决策:在同一个 Computer Use 连接内部,Jev 连续做出"下一步点哪里"的决策并执行,不经过新的宿主模型回合——这是 5–10 倍加速的核心来源。
- 安全检查:每次模型调用和动作前检查来源是否越界;页面状态变了就拒绝旧决策;请求数、步数、耗时都有上限(
maxSteps、maxMs、minConfidence)。 - 交还验证:Jev 发出完成信号后,Codex 接管,用新鲜页面状态独立核验,只有验证通过才报告成功。
这套循环的实现在 bridge.mjs 中,安装脚本为 install.mjs,插件元数据见 plugin.json。
不只是更快,还更省:成本对比
把重复性决策压给 Jev 后,账单差距很直观(数据来自 README.md 的 Cost 章节,2026-09-18 查询的未缓存 API 标准价):
| 模型 | 输入 / 1M tokens | 输出 / 1M tokens | 输入价格相对 Jev |
|---|---|---|---|
| Jev 1.13 | $0.042 | 免费 | 1× |
| GPT-5.6 Terra | $2.00 | $12.00 | 48× |
| GPT-5.6 Sol | $4.00 | $20.00 | 95× |
| GPT-6 Astra | $10.00 | $50.00 | 238× |
按 10 万输入 token 算:Jev 只要 $0.0042,而其他模型要 $0.20 到 $1.00(还没算输出费用)。机械点击的决策越频繁,省得越多。
快速上手:一键安装与配置步骤
环境要求(三项缺一不可):
- Node.js 22+
- Codex 已连接 Computer Use(Chrome 或内置浏览器)
- 通过 TypeSafe 或 OpenRouter 获取的 Jev API 访问权限
安装只需一条命令:
npx skills add wy-coliney/jev-browser-use -g -a codex -y
安装后配置 Jev API(完整指南见 provider-configuration.md):
- 配置文件位于
~/.config/jev-browser-use/config.json,只包含envFile、provider、model三项 - TypeSafe 密钥对应
provider: "typesafe"与TYPESAFE_API_KEY;OpenRouter 密钥对应provider: "openrouter"与OPENROUTER_API_KEY,两者不可混用 - 更新 Skill 用
npx skills update jev-browser-use -g,已有配置和凭据不会被覆盖
没有 npx 环境?也可以克隆仓库后运行 scripts/install.mjs 手动安装:
git clone https://gitcode.com/gh_mirrors/je/jev-browser-use
cd jev-browser-use
node scripts/install.mjs
装好后,直接给 Codex 一个浏览器任务试试,例如:
Use Jev Browser Use on the settings page. Open the filters, switch views, scroll through the results, and restore the original state. Independently verify the result.
Jev 处理控件操作,Codex 输入文字、核对结果——遇到需要人工判断的环节,Codex 接管,Jev 稍后恢复。
总结
jev-browser-use 快的原因并不神秘,而是工程上的角色分离:
- 速度:机械点击不再每个消耗一个宿主模型回合,Jev 在 Computer Use 连接内部连续决策执行
- 可靠:Jev 只报告"需要验证",Codex 用最新页面状态独立核验,避免虚假通过
- 省钱:Jev 的 token 价格是通用大模型的 1/48 到 1/238,重复决策放给它最划算
一句话记住它:Jev clicks. Codex thinks and verifies. 🚀

