我原本以為 Jev 只是個「便宜版分類器」，結果 Gary 直接把它接進 Claude Code，讓它變成整套工作流裡專門做判斷的那顆快腦。這支影片把社群玩法整理成三個位置：挑模型挑 skill、海量資料分類打分、程式寫完後的自動驗證，而且每個位置都附上實測數字，看完會很想去開一組 API key 來玩。

影片時間軸

1. 00:46用 System 1 與 System 2 比喻 Jev 和 Claude 的分工
2. 01:22把 API key 和官方文件網址貼給 Claude，補一句只准用 Jev
3. 01:44建議把設定包成 skill 或開關指令，方便隨時對照
4. 03:01打開開關後，Jev 先掃一眼再決定派哪個等級的模型
5. 04:45把 prompt 當題目、skill 清單當選項，讓 Jev 挑出最相關的幾個
6. 06:421400 則 YouTube 留言分五類，Opus 5 跑 34 分鐘燒 23 美元
7. 07:28227 通客服電話逐字稿歸類，13 秒、7 美分跑完
8. 11:34用大白話寫規則的語意 Linter，每個 PR 送出時自動掃描
9. 13:32幾十個無頭瀏覽器併發做對抗測試，機票預訂全流程 7 秒
10. 17:18OpenAI 在 DevDay 發布 Decisions API，底層邏輯如出一轍

接進 Claude Code 的門檻低到有點不像話

Gary 說只要去 TypeSafe 官網註冊拿一組 API key，現在不用排隊還送 5 美元額度。拿到 key 之後把 key 跟官方檔案網址一起貼給 Claude，補一句「這一步不準用大模型，只准用 Jev」，Claude 就會自己去讀檔案、決定這題該用是非題還是打分機制。他甚至建議直接叫 Claude 把設定包成一個 skill 或開關指令，開啟時所有適合判斷的任務優先丟給 Jev，關掉就回到原本運作方式，方便你做對照。這段把「怎麼接」講得很具體，沒有含糊帶過。

挑模型跟挑 skill 是最值得先試的位置

Gary 點出一個很多人有的習慣：開著 Opus 或 Fable 一路用到底，因為手動切換太麻煩。但一天下來很多工根本用不到這麼強的模型，像找檔案路徑、轉文字格式這種事用 Haiku 就夠。社群實測 12 個任務，9 題不需要頂級模型，整體花費省了 70%。挑 skill 的痛點更明顯，裝了一百多個 skill 等於每講一句話都先燒上萬個 token，Jev 在 145 個 skill 的工作區實測 14 次只花不到 5 秒挑完，Opus 5 要將近 30 秒。他也提醒降級模型的輸出品質夠不夠用，每個人容錯率不同，一定要自己實測。

海量分類的關鍵是讓 Jev 先粗篩、Claude 只處理精華

五個案例看下來，底層邏輯就是一句話：Jev 負責先粗篩，Claude 只處理篩出來的精華。1400 則留言 Opus 5 跑 34 分鐘燒 23 美元，Jev 幾十秒幾美分搞定；250 位潛在客戶意向打分 4 秒 1 美分；203 位新會員流失風險 25 秒 1 美分。Gary 自己也在用這套做法挑短影音精華片段，把逐字稿丟給 Jev 打分，再跟自己手動挑的名單交叉比對，當作第二雙眼睛。他給的判斷準則是：任務數量非常大，而且每筆資料都在問同一個問題，那就是 Jev 的主場。

自動化驗證是價值最高但也最吃技術門檻的一環

Gary 說 Review 和測試本來就是研發中最耗損資源的黑洞，Jev 的介入把驗證迴圈變得極度便宜又快速。四種玩法裡，語意 Linter 可以用大白話寫規則，像「檢查這行 Log 印出的內容，如果是密鑰直接報錯」；地毯式掃描整個專案 2800 萬個 token 只要 1.19 美元；百問清單 Code Review 能把審查階段需要高階模型心智的內容砍掉將近 10 倍。Sentry 的資安工程師也把 Jev 整合進漏洞檢測 Pipeline，成本比原先再便宜 5 倍以上。這段對不寫程式的人來說門檻高，但對每天推 PR 的開發者價值最直接。

值得下載嗎

值得。如果你已經在用 Claude Code，第一個位置幾乎零成本就能試，省下的 token 費用跟時間很具體；如果你手邊有大批資料要分類或每天在推程式碼，後面兩個位置給的實測數字也夠你判斷要不要跟進。