jev-ultrafast：把浏览器操作变成多选题

你让一个 AI 去搜索航班。它每一步都截图、读图、思考、点击。只要误读一个按钮，就得从头来过。等它搜完，你自己早就找到航班了。问题出在方法上——Browser Use 的新项目正是对着这个痛点来的。

jev-ultrafast v0.1.0，由 Browser Use 团队在 2026 年 9 月开源，默认不给模型看截图。它把可见的控件转成一个编号列表，让判断模型一次完成"执行什么操作"和"作用在哪个元素上"。官方录制显示完成一次 Google Flights 搜索（苏黎世→伦敦，单程，9 月 20 日）仅用 7.073 秒。以下事实均经官方仓库、性能页面和 TypeSafe 文档核对（2026-10-02 核查）；本人未自行运行该项目。

用两个对话会话体验核心思路

无需安装。找一张不需要登录状态的页面截图（搜索页或设置页即可），打开两个对话，向两者问同一个问题："下一步应该操作哪个控件？"

对话 1：仅发截图。让模型指出下一个控件。然后验证：页面上真的存在这个控件吗？它有没有凭空捏造一个不存在的按钮？

对话 2：编号列表。把同一页面描述成一个编号表格，再问一次：

[1] button    Trip type · Round trip
[2] combobox  From · empty
[3] textbox   Departure date · empty
[4] button    Search
Question: change the trip to one-way. Answer with the number and the operation only.

两相对比，列表版本更容易核查，而且模型几乎不会凭空捏造列表里没有的选项。结论：浏览器 Agent 先把页面状态列成可核查的选项，再让模型选取操作和目标。这是对比页面的两种表示方式，与实际 Agent 的速度或成功率无关。

jev-ultrafast 实际做了什么

README 称其为"具有动态索引操作空间的浏览器 Agent"。四个步骤：

将页面读入表格。每次页面变化，可见通用控件都会变成一个编号元素表。共有八种操作——CLICK、TYPE_TEXT、SELECT、SCROLL_UP、SCROLL_DOWN、WAIT、DONE、BLOCKED——每种操作只匹配与之兼容的目标。

一次请求，两个答案。表格发给 TypeSafe 的 Jev，一个 System One 判断模型。一次网络往返同时返回操作和元素，附带每个候选的概率和置信度。

小模型仅在需要时生成文本。Jev 负责判断，不写文本。当需要输入"Zurich"时，由一个小语言模型生成它（演示用的是 OpenRouter 上的 inception/mercury-2.5，关闭了推理）。录制中生成"Zurich"耗时 581 ms。

每次点击前都验证。执行器在行动前重新检查页面状态、目标元素和遮挡情况。模型输出永远不会变成选择器、坐标、shell 命令或可执行 JavaScript。屏幕外的文章主体和页脚不会进入模型上下文。

Agent Harness 概念的位置

近期官方文档给这种设计赋予了一个名字的容器：Agent Harness——即连接模型与上下文和工具、协调 Agent 循环、维持会话状态的软件层（VS Code 定义；OpenAI 2026 年 4 月的 Agents SDK 公告将 harness、agent loop 和 sandbox 一并讨论）。从这个角度理解，上述四个步骤就是一套浏览器 harness 在运作：观察页面、列出选项、询问模型、行动前验证。有一个区别值得注意：该项目的连接工具字面就叫 Browser Harness——那是一个专有名词。这里的 Agent Harness 是通用概念，不是该项目的自称。

数据证明了什么，没有证明什么

7.073 秒的录制从首次页面观察之后开始计时，包含模型调用、文本生成、浏览器工作、旧决策和加载等待。浏览器启动、初始导航和运行后验证均不计入计时。其中包含 17 次 Jev 请求，中位延迟 178 ms。

同一任务交替运行六次：中位时间 9.450 s → 7.092 s（降低 25%），中位 TypeSafe 请求数 22 → 17，中位浏览器协议调用 1,092 → 101。仓库自己的声明：仅三组数据不足以支撑强统计结论，这不是通用基准。

两个独立冒烟测试：维基百科一篇文章 2.798 s，本地酒店搜索 1.896 s。它们不参与速度对比。

成本：TypeSafe 列出 Jev 1.13 输入 Token 0.042 美元/百万，输出免费。录制中 90,558 输入 Token 估算约 0.0038 美元；加上两条文本调用的实际费用 0.00006272 美元，两模型合计约 0.0039 美元。这只是公开定价的估算——不含浏览器成本，不是实际账单。

不要做的事

不要急着安装或配置两个 API Key（TypeSafe + OpenRouter）。先做上述两个对话练习。

frames、canvas、文件上传、新标签页和任意键盘控件在此版本均不支持——不要在此基础上构建功能。

不要把 DONE 解读为成功。官方示例在运行后重新验证结果；Agent 共享你的 Chrome 配置和登录状态，因此保持登录状态、订单和付款操作由人来完成。

不要承诺一切都是 7 秒——那只是一次单一航班场景的录制。

来源：jev-ultrafast、performance.md、TypeSafe models、VS Code: Understand agent harnesses。