如何在 Claude Code 与 Codex 里用 Jev

为什么 Jev 当不了模型

Claude Code 跟 Anthropic Messages API 说话，Codex 跟 OpenAI Responses API 说话。两者都允许你换 base URL，但协议格式不变，问题就在这里：Jev 的请求是 state 加一张带类型的 questions 表，响应是带类型的 answers 和每个选项的概率。没有 assistant 消息可以渲染，没有 token 流可以打印，也没有 tool call 可以解析。

TypeSafe 文档里只有一个评测端点 POST /v1/systemone，外加 GET /v1/models 用来列出账号可用的别名。默认别名是 jev-latest；像 jev-1.13.0 这样的版本号无论是否出现在列表里都可用。整份文档没有任何一处描述 OpenAI 或 Anthropic 兼容的接口。

这不是 TypeSafe 忘了补的缺口，而是刻意的设计：Jev 是决策模型，它在你定义的 schema 内返回答案，也因为根本没有输出所以不收输出费。而编程 CLI 恰恰相反——它存在的意义就是生成文本。所以有用的问题不是「Jev 能不能当模型」，而是「agent 里哪些判断应该交给 Jev」，下面四个位置就是这个答案。

路一：官方 agent skill

这是唯一官方支持的集成方式，由 TypeSafe 自己维护，也是我建议第一个装的——因为它不会弄坏任何东西：它教 agent，不拦截 agent。

Claude Code，以插件形式：

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

之后可以直接用 /typesafe:typesafe-ai 调用，或者干脆在提示词里点名「use the TypeSafe skill」。更新：

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

重启 Claude Code 或执行 /reload-plugins。自动更新可以在 /plugin → Marketplaces → typesafe-ai 里打开。

Codex 以及其它 agent，走 skills 安装器：

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

它会问你要装进哪个 agent。也可以把 TypeSafe 官方给的那段提示词直接粘给 agent 让它自己装，或者手动把 skills/typesafe-ai 目录复制进你的 agent skills 目录。仓库是 MIT 许可，插件清单是 typesafe v0.5.7，skill 本身就是一个 Markdown 文件加若干引用资料。

这个 skill 到底改了什么值得单独说，因为它不只是 API 常识。它带着三种提问类型、怎么组织 state、confidence 与 probability 的区别、架构模式，以及一张「做这件事该读哪一页文档」的对照表——包括那个小技巧：任何文档 URL 后面加 .md 就能拿到 Markdown。TypeSafe 文档里明确写了它想纠正的毛病：「coding agent 比人更容易犯一次调用只问一个问题的毛病。」skill 会要求 agent 把很多问题塞进一次调用，包括那些只对部分输入才用得到的推测性问题，再由你的代码决定用哪些答案。这正是数字能算得过来的原因——TypeSafe 自己的 GDPR 例子把 13 个问题合成一次调用，cookbook 索引页写的是便宜 12.2 倍、快 10.0 倍，构建指南里写的是便宜 11.5 倍、快 9.6 倍，答案不变。同一个测试两处数字略有出入，都按厂商自测看待即可。

有一个限制要提前规划：一次请求里的 state 加所有问题共享大约 32,000 token 的预算，约合 15 万个英文字符。

路二：把 Jev 放到边界上

真实使用最多的一类，全是社区作品。套路到处都一样：不改 CLI，改的是 hook 或代理，让 Jev 在一个「语言模型本来要花 token 和秒数」的时刻做一次有边界的判断。

位置	项目	★	覆盖
会话压缩	tamaratran/fast-jev-compaction	4,697	Claude Code 插件；用逐条留/弃的判断替掉压缩摘要
会话压缩	leonaaardob/fast-dev-compaction	3	Codex 插件，同一思路的移植
终端输出	tamaratran/jev-pruner	122	Claude Code；长 Bash 输出在进入模型前先裁
上下文代理	compozy/yoshi	18	Claude Code、Codex；Jev 判断哪些历史还需要留
工具闸门	shiftynick/jev-axi	17	Claude Code、Codex；每条 shell 命令在执行前按破坏性、外泄、RCE、削弱安全打分
工具闸门	leepokai/jev-guard	12	Claude Code、Codex、Pi、ACP
结束 hook	valentynkit/jev-belay	13	Claude Code；在相信「已做完」之前先读一遍 transcript
坐在 Codex worker 之上	thruwire/foreman	418	Codex；由 Jev 判断实现是否真的完成、测试是否够
MCP 与 ACP 桥接	tacticocc/Jevbridge	26	Codex、Claude、Grok、OpenCode
插件合集	shitianfang/jev-use	9	Claude Code、Codex、Pi；一条命令装好 hook、路由 skill 与 PreToolUse 闸门
桌面动作	yikangy873-gif/jev-desktop	31	Codex Computer Use；由 Jev 在桌面动作里选，而不是每一步都问语言模型

装之前有两个值得先读的。jev-axi 公开了它自己的 44 条标注工具调用（其中 24 条必须被拦下或升级，含 base64 混淆的），报告 44/44 判断与标注一致；它也老实写了边界——当 hook 读不到 agent 的 transcript 时，它什么都不做。jev-belay 展示了让这一类能成立的成本控制：只在有文件改动且此后没有通过任何检查时，才花一次四问的 Jev 调用，且任何错误都 fail-open。

两个需要放在心上的提醒：这些仓库都非常新——多数建于 2026 年 9 月 17 到 20 日——所以上面的星数代表的是关注度而不是成熟度，除 fast-jev-compaction 之外都是小项目。另外每个项目的安装命令都不一样，别假设 skill 那套命令能通用，先读 README。

如果你想装合集而不是单个 hook，入口是一条命令：

npx -y jev-use install    # 自动探测并接入 Claude Code、Codex、Pi
npx -y jev-use doctor     # 检查接线

jev-use 的 key 可以来自 TYPESAFE_API_KEY、OPENROUTER_API_KEY 或 AI_GATEWAY_API_KEY；设 JEV_BACKEND=mock 可以在没有 key 的情况下干跑，所有判断都留在本地。它公开的 demo 值得一读，能看出收益的形状：一次上下文压缩用 7 次调用判断了 200 条消息，把占用 94% 的窗口降到 44%；一个 shell 命令闸门在约 230 毫秒内拒绝危险命令，且不花任何语言模型 token。

路三：MCP 工具

如果你希望 Jev 作为「模型可调用的工具」而不是 hook 存在，MCP 是最通用的路——而且全是社区方案。TypeSafe 官方文档里从头到尾没出现过 MCP，所以没有第一方 server 可装。

Claude Code：

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

Codex，写进 ~/.codex/config.toml：

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

这个 server（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、jev_gate——README 给出的量级是每次判断约 150 到 500 毫秒，成本是几分钱的一小部分。它要解决的正是这里的核心问题：那些琐碎但机械的检查，agent 之所以跳过，是因为前沿模型太慢，不可能对每一页、每一条断言、每一个候选都跑一遍。

想要别的形态也有替代：itsmostafa/typesafe-mcp（★128）是 Go 写的 server 加 CLI；Jevbridge 从源码克隆后用 stdio 讲 MCP，它的 Codex 示例是这么写的：

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

一个命名提醒：这个领域现在有两个互不相关的 npm 包——@jkudish/jev-mcp，和另一个仓库发布的无 scope 的 jev-mcp。配置里请写带 scope 的那个名字，免得以后某次 npx 解析到别的包。

路四：逐回合模型路由

这是 Jev 在编程 agent 里最显眼的用法，思路也很巧：Jev 自己不回答任何东西，它决定该由哪个模型回答。每个新的用户回合用一次 Jev 调用选出档位，CLI 本身照旧运行。

npm install -g jev-router
echo "JEV_API_KEY=..." > ~/.jev-router.env
jev-claude      # 启动 Claude Code，/model 里已选中 Jev Router
jev-codex       # 启动 Codex，已选中临时的 Jev Router provider

需要 Node.js 20.12+，以及两个 CLI 中至少一个。你原有的 claude login 或 codex login 不受影响——本机代理只转发 CLI 自己的鉴权头，不读取、不保存、不修改，也完全不涉及 Anthropic 或 OpenAI 的 API key。Claude Code 通过 ANTHROPIC_BASE_URL 被引导，Codex 则拿到一个 requires_openai_auth=true 的临时自定义 provider。两边都会在模型选择器里出现 Jev Router：选中具体模型即暂停路由，选回 Jev Router 即恢复。工具调用、权限、session、/compact、/resume 都与原来一致，因为它们仍然是 CLI 自己的实现。

档位表是买 API 的人最该看的部分：

档位	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（需手动开）	gpt-6-astra

这张表里的每一个模型今天都在 APIMaster 上架，价格就是快速结论里那些，比官方标价低约 89% 到 96%。路由的那一半在这里买、判断的那一半直接付给 TypeSafe，是目前我们能看到的最省钱的组合——路由自己的默认值指向的就是我们的目录，而这个套路的全部意义就在于大多数回合会落在便宜档。

它的策略比「挑最便宜的」细致，这些细节也是它不会跟你打架的原因：显式要求（比如「use opus」）优先；低置信度绝不降档，且升级最多升到 Balanced；长对话会拒绝那些「省下的钱不如浪费掉的 prompt cache」的降档；档位不可用时往上走，而不是默默挑个更弱的；Long 档除非设 JEV_ALLOW_FABLE=1，否则不开。路由是 fail-open 的——Jev 出问题只会保持当前模型，不会卡住 CLI——两个启动器在退出时都会把 CLI 之前的默认模型还原。

另外有一个同名项目，额外支持 Grok CLI 和 opencode。它 README 里给的 npm 安装命令目前还没发布，需要这两个 agent 的话请走仓库克隆。

先装哪个

1. 先装 skill，装在你用得最多的 agent 上。 MIT 许可，不会改变你没要求的行为，而且它会让后面每一步都更顺，因为 agent 不再一次只问一个问题。
2. 再挑一个边界 hook，按你最烦的事挑。 长会话烧钱就上压缩；对 shell 命令不放心就上工具闸门；总是收到「做完了」但其实没做完，就上结束 hook。
3. 路由留到最后，只在你已经能接受 CLI 前面多一个代理时再上。 四条路里杠杆最高，侵入性也最高。
4. 算术、日期、计数留在自己的代码里。 Jev 官方文档就把这些列为不可靠，上面那几个模型也一样。

三个常见误区

• 「把 Claude Code 指向 Jev。」 没有兼容端点。这是这一周关于 Jev 的内容里最常见的错误。
• 「一次调用问一个问题。」 决策模型的经济性来自「共享同一份 state、并行回答多个问题」。一次只问一个，优势丢大半，延迟上的说法也全没了。
• 「置信度就是准确率。」 Jev 的置信度是校准过的，这是另一种更有用的性质：它告诉你哪些答案该升级处理。公开的校准数字我们在 Jev vs LLM 里逐个拆过。

常见问题

能把 Jev 当作 Claude Code 或 Codex 的模型用吗？ 不能。Jev 返回的是类型化决策，不生成文本，API 只有 POST /v1/systemone，没有 OpenAI 或 Anthropic 形状的接口。把它当判断层，别当助手。

Jev 有 OpenAI 兼容端点吗？ 按文档没有。API 参考里只有那个评测端点和 GET /v1/models，没有别的。

TypeSafe 提供 MCP server 吗？ 官方文档里没有——整份文档集里根本没出现 MCP。社区有 server，最完整的是 @jkudish/jev-mcp。

官方 skill 到底装了什么？ 在 Claude Code 里，是从 typesafe-ai marketplace 装一个名为 typesafe 的插件，用 /typesafe:typesafe-ai 调用。在其它 agent 里，是 npx skills add typesafe-ai/skills --skill typesafe-ai 把 skill 目录放进对应 agent 的目录。

还需要保留我的 Claude 或 ChatGPT 订阅吗？ 走路由的话需要——启动器复用 CLI 已有的登录，所以 Pro、Max、ChatGPT、SuperGrok 订阅都能直接用。没有 Jev key 时你得到的只是普通 CLI，没有路由。

需要 TypeSafe 的 key 吗？ 凡是调用 Jev 的都要。可以从 TypeSafe 申请，也可以把工具指向 OpenRouter 或 Vercel AI Gateway，jev-use 这两个都支持。

没有 key 能先试吗？ jev-use 设 JEV_BACKEND=mock 就能干跑，所有判断都在本地，不调任何 provider，足够你确认 hook 是不是在预期的地方触发。

Jev 在 APIMaster 上架了吗？ 正在接入中，集成上线后本页会更新。而 Jev 路由发送工作过去的那些模型已经在这里了，价格见上。

这些会不会弄坏我的 CLI？ skill 不改变 CLI 的运行方式。路由代理是 fail-open 的，退出时还原你之前的默认模型。需要留意的只有 hook，做得好的项目会明确写出自己的 fail-open 行为。

一次 Jev 判断多少钱？ 每十亿输入 token $42，没有输出费用，因为没有输出。每个用户回合一次路由判断，或者每次 hook 触发一问，就是全部账单。

团队应该怎么选？ skill 全员装上，边界 hook 按共同的痛点挑一个，路由只在模型账单大到可衡量时才上。

来源与延伸阅读

• TypeSafe — API 参考：POST /v1/systemone 的请求结构、提问类型与答案
• TypeSafe — Models：别名、版本号、$42/Btok 价格与限额
• TypeSafe — Agent skill：官方 Claude Code 插件与 npx skills 两条安装路径，含更新命令
• TypeSafe — 如何用 TypeSafe 构建：推测性扇出、32,000 token 请求预算与批量对比数字
• typesafe-ai/skills：skill 源码，MIT
• gargpratyush/jev-router：路由代理、档位表与兼容性说明
• jkudish/jev-mcp：MCP 工具集
• shiftynick/jev-axi：工具闸门与它的 44 条标注用例
• tamaratran/fast-jev-compaction：压缩插件

文中仓库星数、安装命令、npm 包版本与 APIMaster 路由价格均核对于 2026 年 9 月 20 日。这个领域的社区项目每天都在变，安装前请先看仓库。

注册 APIMaster 账号，从 $1 起充值按量付费，在控制台创建 key，把 OpenAI 或 Anthropic 兼容的客户端指向 https://apimaster.ai/v1。文中两个 CLI 的配置说明见 Claude Code 与 Codex。