如何在 Claude Code 和 Codex 中使用 Jev

为什么 Jev 无法成为模型

Claude Code 与 Anthropic Messages API 通信。Codex 与 OpenAI Responses API 通信。两者都允许你更改 base URL，但通信格式保持不变，而这正是问题的核心：Jev 的请求形态是一个 state 加上一组带类型的 questions，其响应是带类型的 answers，并附上每个选项的概率。没有可渲染的 assistant 消息，没有可打印的 token 流，也没有可解析的工具调用。

TypeSafe 明确记录了一个评估端点 POST /v1/systemone，外加 GET /v1/models 用于列出你的账户可在 model 字段中发送的别名。jev-latest 是默认值；像 jev-1.13.0 这样的带版本 ID 无论是否出现在列表中都被接受。文档中没有任何内容描述 OpenAI 兼容或 Anthropic 兼容的接口。

这不是 TypeSafe 忘记填补的空白。Jev 有意被设计为决策模型：它在你定义的 schema 内返回答案，并且不对输出收费，因为根本没有输出。而编码 CLI 是相反类型的程序——它存在的意义就是写文本。所以有用的问题不是"Jev 能否作为模型"，而是"agent 内部哪些决策应该交给 Jev"，而有四个地方适合这个答案。

路线 1：官方 agent 技能

这是唯一官方支持的集成，由 TypeSafe 发布，也是应该首先安装的，因为它不会破坏任何东西：它教会 agent，而不是拦截 agent。

Claude Code，作为插件：

claude plugin marketplace add typesafe-ai/skills
claude plugin install typesafe@typesafe-ai

然后用 /typesafe:typesafe-ai 直接调用它，或者只需在提示词里点名——"use the TypeSafe skill"。更新方式：

claude plugin marketplace update typesafe-ai
claude plugin update typesafe@typesafe-ai

重启 Claude Code 或运行 /reload-plugins。可以在 /plugin → Marketplaces → typesafe-ai 中开启自动更新。

Codex 及其他一切，通过 skills 安装器：

npx skills add typesafe-ai/skills --skill typesafe-ai

它会询问要安装进哪个 agent。你也可以把 TypeSafe 自己的提示词粘贴给 agent，让它来完成安装，或者手动把 skills/typesafe-ai 目录复制到你的 agent 的 skills 文件夹。该仓库采用 MIT 许可，插件清单是 typesafe v0.5.7，而技能本身只是一个 Markdown 文件加上若干引用。

这个技能实际改变了什么值得了解，因为它不只是 API 的琐碎知识。它包含了三种问题类型、如何构建 state、置信度与概率的区别、架构模式，以及一张指向每项任务对应文档页面的表格——其中包括在任何文档 URL 后追加 .md 就能返回 Markdown 的技巧。TypeSafe 的文档明确指出了它要纠正的失效模式："coding agents 比人类更容易陷入每次调用只问一个问题的习惯。"这个技能告诉 agent 把许多问题放进一次调用，包括那些只对某些输入才有意义的推测性问题，并让你的代码决定使用哪些答案。这种模式正是数字得以成立的原因——TypeSafe 自己的 GDPR 示例把 13 个问题批处理进一次调用，并在 cookbook 索引中报告其便宜 12.2 倍、快 10.0 倍，在 building guide 中报告便宜 11.5 倍、快 9.6 倍，且答案没有变化。同一个测试有两组略有不同的数字；两者都应视为厂商自己的测量结果。

有一个需要提前规划的限制：请求中的 state 和每个问题共享约 32,000 token 的预算，约合 150,000 个英文字符。

路线 2：把 Jev 放在边界

这是大部分实际应用所在之处，而且全是社区工作。模式处处相同：CLI 不被修改，被修改的是钩子或代理，而 Jev 在一个语言模型本会消耗 token 和秒数的时刻做出一个有界的判断。

所处位置	项目	★	Agents
会话压缩	tamaratran/fast-jev-compaction	4,697	Claude Code 插件；用逐项保留/丢弃判断取代压缩摘要
会话压缩	leonaaardob/fast-dev-compaction	3	Codex 插件，同一思路的移植版
终端输出	tamaratran/jev-pruner	122	Claude Code；在模型看到之前裁剪冗长的 Bash 输出
上下文代理	compozy/yoshi	18	Claude Code、Codex；Jev 判断哪些历史仍需要保留
工具调用前门禁	shiftynick/jev-axi	17	Claude Code、Codex；在执行前为每条 shell 命令的破坏性、数据外泄、RCE 和削弱安全性打分
工具调用前门禁	leepokai/jev-guard	12	Claude Code、Codex、Pi、ACP
停止钩子	valentynkit/jev-belay	13	Claude Code；在相信"完成"声明之前读取对话记录
Codex 工作器之上	thruwire/foreman	418	Codex；Jev 判断一个实现是否完整、测试是否充分
MCP 与 ACP 桥接	tacticocc/Jevbridge	26	Codex、Claude、Grok、OpenCode
插件套装	shitianfang/jev-use	9	Claude Code、Codex、Pi；一条命令安装钩子、路由技能和 PreToolUse 门禁
桌面操作	yikangy873-gif/jev-desktop	31	Codex Computer Use；在桌面操作中做选择，而不是每一步都问语言模型

其中有两个值得在安装任何东西之前先读一读。jev-axi 公布了自己标注的 44 个工具调用数据集——其中 24 个必须被阻止或升级，包括经过 base64 混淆的那些——并报告 44 个全部按标注判定；它也记录了诚实的边界，即当钩子无法读取 agent 的对话记录时它什么也不做。jev-belay 展示了让这整类方案成立的成本控制：它只花一次包含四个问题的 Jev 调用，且仅当文件发生变更、且此后没有通过检查时才调用，并在任何错误时失败开放（fail open）。

有两个需要注意的提醒。这些仓库都很新——大多创建于 2026 年 9 月 17 日至 9 月 20 日之间——所以上面的星标数代表关注度而非成熟度，而且除 fast-jev-compaction 之外，它们都是小项目。此外，安装命令因项目而异；请阅读 README，而不要想当然认为技能式的命令能用。

如果你想要套装而非单个钩子，这是一条命令的入口：

npx -y jev-use install    # wires Claude Code, Codex and Pi, whichever it finds
npx -y jev-use doctor     # checks the wiring

jev-use 从 TYPESAFE_API_KEY、OPENROUTER_API_KEY 或 AI_GATEWAY_API_KEY 读取密钥，而 JEV_BACKEND=mock 会给你一次无密钥的演练，所有判断都在本地完成。它公布的演示值得一读，以了解收益的形态：一次上下文压缩运行，用 7 次调用判断了 200 条消息，把 94% 满的窗口降到 44%；以及一个 shell 命令门禁，在大约 230 ms 内拒绝危险命令，且消耗零语言模型 token。

路线 3：MCP 工具

如果你想让 Jev 作为可调用工具而非钩子提供给模型，MCP 是可移植的路线——而且它只有社区版本。TypeSafe 自己的文档从未提到 MCP，所以没有第一方服务器可以安装。

Claude Code：

claude mcp add jev -e TYPESAFE_API_KEY=sk-... -- npx -y @jkudish/jev-mcp

Codex，在 ~/.codex/config.toml 中：

[mcp_servers.jev]
command = "npx"
args = ["-y", "@jkudish/jev-mcp"]
env = { TYPESAFE_API_KEY = "sk-..." }

该服务器（npm @jkudish/jev-mcp 0.5.0）暴露十个工具——jev_verify、jev_screen、jev_find、jev_rerank、jev_classify、jev_decide、jev_compare、jev_extract、jev_review 和 jev_gate——其 README 引用的每次判断大约 150 到 500 ms，成本仅为几分之一美分。其设计要点正是此处的关键：这些是廉价的机械性检查，agent 之所以跳过它们，是因为前沿模型太慢，无法对每个页面、声明或候选列表都运行一遍。

如果你想要不同的形态，也有替代方案：itsmostafa/typesafe-mcp（★128）是一个 Go 服务器兼 CLI，而 Jevbridge 从源码克隆通过 stdio 支持 MCP，其 Codex 示例就是这样写的：

[mcp_servers.jevbridge]
command = "node"
args = ["--experimental-strip-types", "/absolute/path/to/Jevbridge/src/cli.ts", "mcp"]

一个命名警告：这个领域现在有两个不相关的 npm 包，@jkudish/jev-mcp 和一个来自不同仓库的未加作用域的 jev-mcp。在你的配置中固定使用带作用域的名字，以免未来的 npx 解析到错误的那一个。

路线 4：按轮次模型路由

这是 Jev 在编码 agent 中最显眼的用法，而且很巧妙：Jev 自己不回答任何东西，它选择应该由哪个模型来回答。每个新用户轮次的一次 Jev 调用挑选一个层级，CLI 则像以前一样运行。

npm install -g jev-router
echo "JEV_API_KEY=..." > ~/.jev-router.env
jev-claude      # Claude Code, with Jev Router selected in /model
jev-codex       # Codex, with a temporary Jev Router provider selected

需要 Node.js 20.12+ 以及两个 CLI 中的至少一个。你现有的 claude login 或 codex login 不受影响——回环代理转发 CLI 自己的授权头，不读取、不存储、不修改它们，也不涉及任何 Anthropic 或 OpenAI API 密钥。Claude Code 通过 ANTHROPIC_BASE_URL 被重定向；Codex 获得一个带有 requires_openai_auth=true 的临时自定义 provider。在两者中，Jev Router 都会出现在模型选择器里：选择一个具体模型会暂停路由，选择 Jev Router 则恢复路由。工具调用、权限、会话、/compact 和 /resume 行为一如既往，因为它们仍然是 CLI 自己的。

层级表是任何购买 API 访问的人都应该感兴趣的部分：

层级	Claude Code 默认	Codex 默认
Fast	Haiku	gpt-5.6-luna
Balanced	Sonnet	gpt-5.6-terra
Strong	Opus	gpt-5.6-sol
Long	Fable (opt-in)	gpt-6-astra

那张表中的每个模型今天都在 APIMaster 上以快速回答中的价格在售，大约比标价低 89% 到约 96%。在这里购买被路由的那一半、直接向 TypeSafe 支付判断的那一半，是我们能看到的最便宜的这套配置——路由器自己的默认值就指向我们的目录，而整个模式的意义就在于大多数轮次落在廉价层级上。

其策略比"挑最便宜的"更谨慎，而这些细节正是它不会跟你对着干的原因：显式请求如"use opus"优先；低置信度绝不降级，并把升级限制在 balanced 层级；大型对话会拒绝那些浪费的提示缓存工作多于其节省的降级；不可用的层级会向上迈一步，而不是悄悄选择更弱的东西；long 层级除非你设置 JEV_ALLOW_FABLE=1，否则保持关闭。路由是失败开放的——Jev 失败会让当前模型保持不变，而不是阻塞 CLI——每个启动器在退出时都会恢复 CLI 之前的默认值。

有一个同名姊妹项目，也覆盖 Grok CLI 和 opencode。其 README 给出的 npm 命令尚未发布，所以如果你需要那两个 agent，请使用仓库克隆。

首先该安装什么

1. 技能，安装进你最常使用的那个 agent。 它是 MIT，不改变任何你未要求的行为，而且它让后续每一步都更轻松，因为 agent 会停止每次调用只问一个问题。
2. 一个边界钩子，按困扰你的事情来选。 如果长会话变贵，选压缩。如果你对 shell 命令感到不安，选工具调用前门禁。如果你总是对未完成的工作收到"完成"，选停止钩子。
3. 路由，仅当你已经习惯了在 CLI 前面放一个代理。 它是四条中杠杆最高、侵入性也最大的。
4. 把算术、日期和计数留在你自己的代码里。 Jev 将这些记录为不可靠，上面的模型也是如此。

人们常犯的三个错误

• "把 Claude Code 指向 Jev。" 没有兼容的端点。这是本周关于 Jev 的内容中最常见的错误。
• "每次调用问一个问题。" 决策模型的经济性来自在一个共享 state 上并行提问。每次请求问一个问题会丢弃大部分优势以及全部延迟上的论据。
• "置信度就是准确率。" Jev 的置信度是经过校准的，这是一个不同且更有用的性质：它告诉你哪些答案需要升级。我们在 Jev vs LLMs 中详细讨论了公布的校准数字。

FAQ

我可以把 Jev 用作 Claude Code 或 Codex 中的模型吗？ 不能。Jev 返回带类型的决策，不生成文本，其 API 是 POST /v1/systemone，没有 OpenAI 或 Anthropic 形态的接口。把它用作判断层，而不是助手。

Jev 有 OpenAI 兼容端点吗？ 据文档所述没有。API 参考只列出了评估端点和 GET /v1/models，没有别的。

TypeSafe 发布 MCP 服务器吗？ 其文档中没有——MCP 根本没有出现在文档包中。存在社区服务器，最完整的是 @jkudish/jev-mcp。

官方技能到底安装了什么？ 在 Claude Code 中，一个来自 typesafe-ai 市场、名为 typesafe 的插件，通过 /typesafe:typesafe-ai 调用。在其他地方，一个技能目录，由 npx skills add typesafe-ai/skills --skill typesafe-ai 放到适合你的 agent 的文件夹中。

我还需要我的 Claude 或 ChatGPT 订阅吗？ 对于路由配置，需要——启动器复用 CLI 已有的登录，所以 Pro、Max、ChatGPT 或 SuperGrok 订阅照常可用。没有 Jev 密钥，你得到的是没有路由的普通 CLI。

我需要 TypeSafe 密钥吗？ 对于任何调用 Jev 的东西，需要。从 TypeSafe 获取一个，或者把工具指向 OpenRouter 或 Vercel AI Gateway，jev-use 也支持它们。

我可以不用密钥试用吗？ jev-use 中的 JEV_BACKEND=mock 会在本地运行每次判断，不进行任何 provider 调用，这足以看出钩子是否在你预期的位置触发。

Jev 在 APIMaster 上可用吗？ 可用。使用 APIMaster 密钥通过 POST https://apimaster.ai/v1/systemone 调用 jev-latest；价格为每 100 万输入 token $0.042，输出 $0。Jev 路由器将任务发送至的模型也在这里，价格如上。

这些会破坏我的 CLI 吗？ 技能不会改变 CLI 的运行方式。路由代理是失败开放的，并在退出时恢复你之前的模型默认值。钩子是唯一需要小心的地方，而更好的那些会明确记录它们的失败开放行为。

一次 Jev 判断要多少钱？ 每十亿输入 token $42，没有输出费用，因为没有输出。每个用户轮次的一次路由决策，或每次钩子触发的一组问题，就是全部账单。

团队应该选哪条路线？ 技能给所有人，一个边界钩子应对共同的痛点，路由只用在模型账单大到值得衡量的地方。

来源与延伸阅读

• TypeSafe — API reference — POST /v1/systemone 的请求形态、问题类型和答案
• TypeSafe — Models — 别名、带版本 ID、$42/Btok 定价和限制
• TypeSafe — Agent skill — 官方 Claude Code 插件和 npx skills 路线，附更新命令
• TypeSafe — How to build with TypeSafe — 推测性扇出、32,000 token 请求预算和批处理对比
• typesafe-ai/skills — 技能源码，MIT
• gargpratyush/jev-router — 路由代理、其层级表和兼容性说明
• jkudish/jev-mcp — MCP 工具集
• shiftynick/jev-axi — 工具调用前门禁及其 44 个标注案例
• tamaratran/fast-jev-compaction — 压缩插件

仓库星标、安装命令、npm 包版本和 APIMaster 渠道价格均核对于 2026 年 9 月 20 日。这一领域的社区项目每天都在变化；安装前请查看仓库。

创建 APIMaster 账户，从 $1 起添加按量付费额度，在控制台创建密钥，并将 OpenAI 或 Anthropic 兼容的客户端指向 https://apimaster.ai/v1。本文中两个 CLI 的设置指南是 Claude Code 和 Codex。