Jev 在 Hermes 中负责模型路由、内存过滤、压缩选择、技能选择、计算机使用、浏览器使用、私钥输入流程以及模型路由仪表板。
Hermes Jev Skills是一套开源工具集，把TypeSafe公司的决策模型Jev嵌入到Hermes、Claude Code、Codex这类智能体里，专门处理模型路由、记忆过滤、上下文压缩、技能挑选、消息分诊、电脑操作、浏览器操作这七类小决策，让昂贵的前沿模型只干真正需要思考和写作的重活。
Hermes Jev Skills到底解决什么麻烦
先说清楚背景。现在市面上流行的智能体，比如Anthropic家的Claude Code、OpenAI家的Codex、Nous Research家的Hermes，每接到用户一句话，都要在内部做一堆小判断：这句话该派给哪个模型回答，从知识库里翻出来的十几段资料哪几段值得读，之前聊过的七十多轮对话里哪些还得留着、哪些可以扔，装在系统里的三百多个技能哪个跟当前这句话对得上。
这些小判断，过去全部由那个动辄一次几美分、响应几秒钟的前沿模型自己做。
问题来了，用一辆法拉利去菜市场买菜，油钱够买十趟菜。每一次让Claude Opus去判断“用户这句话算不算编程问题”，就等于让法拉利跑一趟菜市场。
Hermes Jev Skills的核心思路，是让智能体在动用前沿模型之前，先花0.4秒和一笔小到可以忽略的钱，问一个专门做决策的小模型Jev：这活儿，到底该派谁去干？
Jev不写文章，不生成代码，只做三种事：从选项里挑一个；给一个东西打分；回答是或否。就这么简单。
一个决策0.4秒0.00006美元，凭什么
零知识原则先补一课。TypeSafe AI是一家专门做“结构化决策模型”的公司，产品叫Jev。跟通用大模型不同，Jev的设计目标不是回答开放性问题，而是在给定的一堆选项里做出一个带置信度的判断。
打个比方：让GPT-4回答“这段代码有什么问题”，是让它写一篇小作文；让Jev回答“这段代码属于Python、JavaScript、Rust里的哪一种”，是让它做一道选择题。
同样是消耗算力，选择题的成本天然比作文低两三个数量级。
具体到数字：Jev处理一次模型路由决策，平均0.4秒，花费大约0.00006美元，也就是万分之六美分。作为对比，让Claude Opus回答同样的问题，响应时间通常在3到8秒，费用少说也要几美分。
更关键的是Jev返回的结果里带一个置信度数值。比如返回“这个问题属于coding类别，置信度0.92”。这个0.92意味着Jev自己有九成把握。如果置信度低于阈值，系统就走兜底路径，不冒险。
这个“带置信度的选择题模式”，是Hermes Jev Skills区别于其他智能体优化方案的第一块基石。
七个决策场景一次讲透
Hermes Jev Skills覆盖的七个场景，每一个都对应智能体运行时的一个具体瓶颈，具体清单：
模型路由：每收到一句用户输入，Jev在0.4秒内判断这句话该派给哪个档位的模型（便宜的、中等的、贵的、带视觉的），从用户配置的所有可调用模型里选一个。
记忆过滤：智能体从向量数据库里捞出来一批候选段落（通常几十段），Jev一次性判断哪些段落跟当前问题相关，同时识别哪些段落里藏了恶意的提示词注入。一次请求可以处理最多60段。
上下文压缩：聊天历史堆到七十多轮的时候，Jev在0.95秒内决定哪些轮次原样保留、哪些做摘要、哪些直接丢弃。
技能挑选：用户装了377个技能（skill），Jev在2.8秒内判断当前这句话应该触发哪一个技能，或者一个都不用触发。简单的应答（比如“好的”“收到”）不消耗Jev的调用，本地直接处理。
消息分诊：判断一条新消息的紧急程度、类别、是否必须由真人处理，0.4秒一条。
电脑操作：智能体控制鼠标键盘时，从一张事先写好的“安全动作表”里挑下一步动作，0.4秒一步。
浏览器操作：智能体控制浏览器时，同样从预定义的动作表里挑下一步，0.4秒一步。
留意最后两项：电脑操作和浏览器操作。这里藏着Hermes Jev Skills跟其他智能体框架最不一样的地方。
为什么屏幕截图和网页文本不发出去
对比一个具体竞品：browser-use项目里的Browser Agent。那套方案让智能体控制浏览器时，会把网页的HTML或者屏幕截图发给远端的大模型，大模型根据看到的内容决定下一步点哪里、输入什么。
Hermes Jev Skills的浏览器操作模块不这么干。
具体机制：开发者在本地先写好一张动作表，比如“点击登录按钮”“在搜索框输入关键词”“下拉页面”，每个动作有一个id。智能体运行时，本地程序识别出当前页面上有哪些可用动作，把这些动作的id和一句简短的标签（比如“登录按钮”这四个字）发给Jev，Jev返回一个id，本地程序执行对应动作。
发出去的东西只有：动作id列表、几个字的标签、当前的操作目标。
屏幕截图不发。网页正文不发。输入框里的内容不发。
这一条设计选择带来一个可以亲手验证的结果：如果操作目标或者动作标签里出现了敏感词（比如信用卡号、密码、身份证号），本地程序会在发送之前直接拒绝调用Jev，整个操作链在本地就断掉。
这套“动作id白名单”机制，是Hermes Jev Skills区别于browser-use的关键差异。前者永远不可能因为Jev收到了截图而泄漏页面内容，因为它根本不发截图。
你的API密钥，智能体自己都看不见
现在说另一个反差点。用过智能体的都知道，装第三方插件的时候，最烦的一步是把API密钥告诉智能体：要么复制到聊天窗口里，要么写进配置文件，反正智能体一定会看到这串密钥。
Hermes Jev Skills的做法是：智能体永远看不见密钥。
具体流程：用户在终端里跑一句jev setup-key，本机会启动一个临时的网页服务，只监听本地端口，生成一个随机的一次性URL。用户在浏览器里打开这个URL，把TypeSafe控制台里申请到的密钥粘贴进去。密钥直接写进操作系统的密钥库（macOS用Keychain，Linux用secret-tool，兜底方案是权限设为0600的本地文件），同时写进Hermes每个profile的.env文件里。
跑jev setup-key的那个智能体，只看到一行反馈：密钥已存储，已验证，成功。密钥本身，一个字都看不到，连前缀都看不到。
这个临时网页还带一堆防护：拒绝Host头不匹配的请求（防DNS重绑定攻击）、不发送Referrer、不写日志、用完即毁、十分钟没人用自动关闭。
对无头服务器（没有图形界面的机器），提供另一个命令jev setup-key --tty，直接在终端里用隐藏输入的方式接密钥。
这套流程解决的是一个真实的痛点：智能体的对话历史通常会被上传到云端做训练或者调试，如果密钥出现在对话里，等于把家门钥匙贴在公告栏上。
装错模型的第377个技能
再看技能挑选这个场景。Anthropic家推出的Skill机制，让用户可以给Claude Code装一堆专业能力，比如“帮我审阅PR”“帮我写Kubernetes配置”“帮我做SQL优化”。装的技能越多，问题越大：Claude每收到一句用户输入，都要在系统提示词里塞进所有技能的描述，判断这句话该触发哪个技能。
塞进去的描述越多，消耗的token越多，响应越慢，费用越高。
377个技能是什么概念？如果每个技能描述平均200字符，光是描述文本就要占掉将近8万个字符的上下文。这些字符每一轮对话都要重复发送一次。
Hermes Jev Skills的做法：把这377个技能的挑选任务，从Claude手里拿走，交给Jev。Jev在2.8秒内做出判断，返回一个技能名或者“无需触发”。
这里有一个容易忽略的技术细节：为什么每个技能描述被限制在200字符以内？
因为Jev的判断准确率跟输入的信息密度直接相关。超过200字符的描述会被截断，导致Jev看到的信息不完整，两个功能相近的技能可能会被压缩成完全一样的描述，Jev就没法区分了。
Hermes Jev Skills的0.10.0版本修了一个具体的bug：之前有八个技能的描述都超过了200字符，其中两个负责“任务委派”的技能被截断后变成了同一句话，Jev根本没法在两者之间选，只能瞎猜。修复后，所有技能描述都必须在200字符以内，重复的描述被强制改写。
这个细节说明一件事：把决策外包给Jev，不是免费午餐，需要在写技能描述的时候就考虑Jev的输入约束。
一个静默五个月的bug暴露了什么
Hermes Jev Skills的路由系统内部有一个二维的模型池：一维是档位（便宜、中等、贵、超贵），另一维是专长（通用、编程、写作、研究、视觉）。每收到一句用户输入，Jev都会被问一个五选一的问题：这句话属于general、coding、writing、research、vision里的哪一类。
问题来了：0.10.0版本发布之前，有一个内部函数suggest_tiers()，任务是根据Jev的答案挑出对应的模型池。这个函数在某次改版之后，只会输出general和vision两种结果，其他三种被悄悄砍掉了。
后果：Jev每次判断“这是编程问题”，suggest_tiers()去找编程模型池，找不到，就默默地回退到general池。
没有报错，没有警告，日志里显示“Jev判断：coding，置信度0.94”，看起来一切正常。
实际情况是：每一轮对话都花钱问Jev一个问题，然后把答案扔进垃圾桶，从来没有一次真正影响过模型选择。
这个bug静默存在的时间，从代码提交历史看，至少有几个月。发现之后，0.10.0版本加了三个东西补救：一个叫route.dead_axis()的检测函数，用来发现哪些维度的答案被丢弃了；一个叫jev doctor的诊断命令，会主动警告用户“你花钱问了coding，但根本没有coding池”；一个升级过的dashboard，把模型池的二维网格画出来，空的池子显示为可见的缺口。
这个bug的教训跟Hermes Jev Skills的产品定位直接相关：整个产品的卖点是“花小钱买一个决策，然后执行”。如果决策买回来被扔掉，就等于纯烧钱还得到一份看起来很自信的日志。
对比其他智能体优化工具（比如ZCode的模型路由方案），后者通常只有一层选择（选哪个模型），出错了立刻就能看出来。Hermes Jev Skills的二维模型池设计更灵活，但也更容易出现“决策买了没用”这种隐形故障。
Shadow模式：先看它怎么判断，再决定要不要听
有一个使用建议藏在文档里，很多人不会注意。Hermes Jev Skills的路由功能有三档开关：off（关闭）、shadow（影子模式）、on（开启）。
推荐的启用顺序是：先跑shadow模式。
shadow模式下，Jev照常做判断，日志照常记录，但是不会真的切换模型。用户当前在用哪个模型，就继续用哪个模型。
这样跑一段时间之后，用户可以对比：Jev建议派给便宜模型的那些对话，如果真的派过去，回答质量会不会掉？Jev建议派给贵模型的那些对话，是不是真的必须用贵模型？
判断的依据是用户自己的真实业务数据，不是Jev开发商给出的benchmark。
跑够样本之后，再切到on模式，让Jev真的影响模型选择。
这个渐进式启用的设计，跟一个更深层的问题有关：Jev的判断准确率不是恒定的，跟用户的业务领域直接相关。一个专门做法律咨询的智能体，跟一个专门做代码审查的智能体，Jev在同样的置信度阈值下，判断准确率可能差很多。
shadow模式的存在，让用户可以在不承担任何风险的前提下，先摸清Jev在自己业务场景下的实际表现。
除了置信度，还有六层兜底
再补一个反差点。承诺“0.4秒决策”“万分之一美分”听起来很美，但如果Jev宕机了怎么办？限流了怎么办？返回的置信度只有0.3怎么办？
Hermes Jev Skills的应对策略叫“完全失败开放（fail-open）”，具体规则：
Jev返回超时：路由继续用当前模型，记忆过滤返回原始列表，压缩不丢弃任何一轮，技能挑选不推荐任何技能，电脑操作返回reobserve（重新观察）。
Jev返回低置信度：同上，走兜底路径。
没有API密钥：所有Jev相关功能自动禁用，其他部分正常工作。
返回格式异常：走兜底路径。
Jev整体宕机：最多损失2.5秒的时间预算（这是路由决策的超时上限），然后走兜底路径，绝不阻塞用户的对话。
除了这些通用兜底，还有几条不依赖Jev的硬安全线：出现风险词（production、delete、migration、security、payment、legal等）的对话，永远不会被路由到最便宜的模型档位；上下文很长的对话，中途不会被切换到更便宜的模型；对话轮次只有在Jev给出高置信度判断时才会被丢弃；电脑操作时，Jev能返回的动作id必须来自开发者预先写好的动作表，不可能凭空冒出一个动作。
这套六层兜底的意义是：Jev的价值是“大部分时候能省钱”，不是“任何时候都不能出错”。承认Jev会出错，然后设计出错时的应对方案，比宣传“我们的准确率是99%”要靠谱得多。
上传的1000字符里都有什么
跟决策外包直接相关的一个问题：外包给Jev的这些判断，需要上传什么数据？
Hermes Jev Skills文档里把这件事列得很细，具体清单：
模型路由场景：上传的是用户当前这一句话，做过脱敏处理（邮箱、电话、令牌、长十六进制字符串会被打码），字符数上限3000。历史对话、工具调用结果、文件内容、记忆库内容，一样都不发。看起来像藏了密钥的对话，或者用户在配置里标记为private_profiles的profile，只发送粗粒度的特征：长度、是否包含代码、是否出现风险词。
记忆过滤场景：上传的是用户的查询语句，加上每个候选段落的前900字符，做过脱敏。段落在存储层的id、路径、来源信息被替换成P0、P1这样的占位符，永远不上传。看起来像凭证的段落直接不发。
上下文压缩场景：每一轮对话上传前700字符，做过脱敏。看起来敏感的整轮对话直接跳过。
技能挑选场景：上传用户当前对话（脱敏）加上所有技能的名字和描述。
电脑和浏览器操作场景：上传操作目标、短元素标签、动作描述。截图、页面文本、输入框内容，一样都不发。
日志里存的是决策元数据（档位、模型、置信度、延迟），不存对话原文。
对比browser-use项目：那套方案的浏览器智能体，每次决策都要把网页DOM或者屏幕截图发到云端大模型。Hermes Jev Skills永远不发这些东西，因为Jev根本不需要看，它只需要从预定义的动作id里挑一个。
这个差异是Hermes Jev Skills区别于browser-use的第二个具体机制：所有需要“看”的工作都在本地完成，只把最终选项发给Jev。
一个0.9.1版本承认的错误
Hermes Jev Skills的CHANGELOG里有一段罕见的坦白，跟脱敏机制有关。
早期版本的脱敏规则里，电话号码识别用的是一个宽松的正则，会把类似“x8505550134”“ext8505550134”“Phone8505550134”这种带前缀的号码都识别出来打码。
后来发现这个规则有个副作用：像“1Z999AA10123456784”这种UPS快递单号，因为前后有数字和字母的组合，会被误认为电话号码，直接被脱敏，导致用户查询快递状态的时候，Jev收到的信息里快递单号变成了[REDACTED]。
0.8.0版本做了一次修复：把电话号码的识别规则收紧，要求前面不能是字母，避免误伤快递单号。
0.9.1版本发现前一次修复太激进了：新规则把“x8505550134”“Phone8505550134”这些真的电话号码全部漏掉不脱敏了。用户查一个包含电话号的对话，电话号会原样发到Jev。
原本要修的是“少发一点信息”（避免误脱敏），结果修成了“多发一些信息”（漏脱敏），拿数据丢失换成了隐私泄漏。
0.9.1的修复方案：把快递单号先单独识别出来放到一边，让原来的电话号规则原样跑，最后再合并。同时给两个方向都写了测试用例：既测试快递单号不被误脱敏，也测试各种电话号格式都必须被脱敏。
这段CHANGELOG的价值不在于承认了一个bug，而在于说明了一件事：脱敏这种“事关隐私”的功能，任何一次修改都必须双向测试，只测试自己想到的方向，一定会漏。
jev models list看到的每一个模型
最后一个具体功能，跟前面所有场景都相关。
用户装完Hermes Jev Skills之后，可以跑几个命令：
jev models list # 这台机器能调用的每个模型：价格、上下文、视觉、推理
jev models providers # 你持有密钥或登录态的提供商
jev models suggest --write # 根据价格档位生成初版模型池；然后自己微调
第一个命令列出这台机器上所有可调用的模型。数据来源是models.dev这个公开的模型目录，Hermes Jev Skills会根据用户的环境变量里设置了哪些API密钥名、Hermes的.env文件里配置了哪些密钥、Hermes持有哪些提供商的登录态，把用户实际能调用的模型筛出来。
注意：只读密钥的名字，不读密钥的值。
第二个命令列出用户持有的提供商。
第三个命令根据价格档位，自动生成一份初版模型池配置，写进~/.hermes/jev/routing.json。这份配置是所有profile的默认值。单独的profile可以在~/.hermes/profiles/里覆盖默认值。
这个自动生成的模型池，就是Jev做路由决策时挑选的候选池。
跟前面0.10.0版本修的那个bug连起来看：如果自动生成的模型池里，coding专长的那一维是空的，Jev再怎么准确判断“这是编程问题”都没用，suggest_tiers()会去空池子里找，找不到就回退。所以jev doctor这个诊断命令的价值就在于：帮用户看出模型池的哪些格子是空的，避免花冤枉钱问Jev一个用不上的问题。
现在Hermes Jev Skills的0.10.0版本还有一个未解的细节：route.dead_axis()这个检测函数目前只在启动时和运行jev doctor时被调用，如果用户中途修改了routing.json但没重新启动智能体，那些新增的空维度Jev照样会问、照样浪费钱，直到下一次诊断才能发现。这个热更新场景的检测缺口，代码仓库里目前还没有对应的测试用例。