tkry

𝕗𝕣𝕠𝕟𝕥𝕖𝕟𝕕 𝕖𝕟𝕘𝕚𝕟𝕖𝕖𝕣 👀 / 𝕥𝕖𝕒𝕞𝕃𝕒𝕓 𝕀𝕟𝕔.

[tkry @tsuka_ryu]

👀

[govin.eth | G哥 @goan999999]

Codex 接入 Jev 后，我的token额度消耗节省了90%

我实测输入一句：

“游戏机我要买吗？”

Jev 很快判断为 “购买咨询”，概率 97%，置信度 0.96，然后直接进入后续处理

它最适合干这些事，分类、筛选、路由、快速判断

Codex 则继续负责复杂推理。

接入也非常简单：

先去 https://t.co/drzipAPevm 申请 Waitlist，审核通过后，在控制台创建 API Key，然后让 Codex 执行：

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

安装完成后，Prompt 里直接加：

使用 typesafe skill。复杂推理交给 Codex，分类、筛选、路由和简单判断优先交给 Jev，并说明哪些步骤使用了 Jev。

实际体验就四个字：很快、贼省！

Codex 负责思考，Jev 负责高速判断，代码负责控制流程

[tkry @tsuka_ryu]

👀

[雪踏乌云 @Pluvio9yte]

最近Jev爆火，拿到 Jev API 还不知道怎么玩的，可以按这个清单抄。

1. jev-ultrafast
Browser Use 做的高速浏览器 Agent。Jev 每一步只判断「做什么、点哪个元素」，要打字才叫小模型。Google Flights 搜一次航班大约 7 秒。
https://t.co/IBPb4LBRQh

2. fast-jev-compaction
给 Claude Code 做上下文压缩。每次工具调用先让 Jev 判断还有没有用，没用的删掉，留下来的原文不重写。
https://t.co/qbPTr3TFTB

3. json-render
Vercel Labs 的生成式 UI 框架。实验里 Jev 不逐 token 写 JSON，只负责选组件、属性和布局。
https://t.co/iK0x89svV1

4. typesafe-mcp
最适合刚拿到 API 的人。把 Jev 接进 Claude Code、Claude Desktop、Codex 和 Pi，随时做 Choice / Score / Noul。
https://t.co/XU16Z4xTNb

5. jev-mcp
现成的 Agent 判断工具箱：事实核验、内容筛查、语义排序、分类和信息提取。
https://t.co/Ns9tNWB4st

6. SemDecide
把 Jev 做成命令行。Shell 里直接分类、打分、过滤，适合接爬虫、CI 和数据流水线。
https://t.co/KvNFnjINNj

7. jev-codex-router
先让 Jev 判断这一轮编程任务有多难，再决定模型档位、推理深度和速度模式。
https://t.co/XJWyrbzusf

8. Winnow
给 Claude Code 做上下文垃圾回收。Read / Bash / Grep 吐一大堆时，Jev 先判断哪些真和当前任务有关。
https://t.co/cs8CtPcXq8

9. jev-review
代码审查前先过一遍 Jev，把高风险改动挑出来，再交给更贵的大模型或人。带本地看板。
https://t.co/dW0nySEIp2

10. Blink
把 Jev 当代码库导航器。每走到一层目录，就判断哪些文件和当前问题最相关，再继续往下找。
https://t.co/ZuOt4Yvpds

11. agent-desktop
桌面自动化。读系统无障碍树，判断下一步该点哪个按钮、菜单或输入框。
https://t.co/uctY97plME

12. typesafe-mario
让 Jev 玩《超级马里奥》。不看截图，直接读模拟器 RAM 里的结构化状态，再决定跑、跳、躲。
https://t.co/tzAGfK9BBE

13. jev-drone
拿 Jev 控无人机。底层飞控继续负责稳定和安全，Jev 只做爬升、刹车、穿越障碍这类上层判断。
https://t.co/lRZ9LuWc3i

14. OneVOneJev
浏览器里的 1v1 FPS。每个决策 tick 都要判断走位、视角、瞄准、开火和跳跃。
https://t.co/l4iHbyH9uU

15. jev-trader
Monad 测试网上做高频做市。Jev 根据价差和成交方向判断下一步买还是卖，模型延迟大约 81ms。
https://t.co/tGAVNWR98u

16. Prism
不直接让 Jev 下单。它判断 toxic flow、市场压力、均值回归之类的状态，再交给原来的策略。
https://t.co/LP0T9rDAWi

17. neo4jev
把 Jev 塞进知识图谱。每走到一个节点，判断下一条最值得走的边，再一路找下去。
https://t.co/Qy1RUgi8oS

18. jev-curate
拿 Jev 筛训练数据。JSONL / Parquet 先做质量、相关性和风险判断，再决定哪些进后面的训练。
https://t.co/ez9fXeTtEu

19. Canny
防 Coding Agent 嘴硬说自己做完了。看工具输出、代码 diff 和测试结果，再判断完成声明靠不靠谱。
https://t.co/O3OQZ4NZ6Q

20. killmyidea
输入一个创业点子，Jev 从多个维度打分，最后给你 KILL、FIX 或 SHIP。
https://t.co/pR4VkDrz54

[tkry @tsuka_ryu]

誰でも使えるようになったのか

[tkry @tsuka_ryu]

ひとまずwaiting listに登録

[tkry @tsuka_ryu]

👀

[mizchi @mizchi]

jev で命名と実装が食い違ってないか高速に確認する jev-lint を作ったので、記事書きました。

https://t.co/oHKiVMtqgw

[tkry @tsuka_ryu]

なるほど、これはCinema 4Dだったのか

[tkry @tsuka_ryu]

👀

[TatsuyaM™ @TatsuyaBot]

CGWORLD. jpの「今月の一冊」に、今年出版した「Cinema 4D モーショングラフィックス」が紹介されました。1冊で20個の作例からCinema 4Dを学ぶことができる内容となっておりまして、初心者だけでなく基本操作に慣れた中級者の方にもオススメです。

[tkry @tsuka_ryu]

👀

[Abishek | Join Kitten Beta! @abi7hek]

This is Kitten, an API client written in Rust (GPUI) - you can switch between tabs, create/delete tabs, run a gigantic Cloudflare API Spec (3000+ requests) all at once.

[tkry @tsuka_ryu]

👀

[sunil pai @threepointone]

new post: the senior engineer death spiral

https://t.co/xzgU1jVBRh

a friend just started a big job and asked for some advice. so I braindumped a monologue about a super common failure mode I see with engineers and posted it here, hope it helps whoever it can.

[tkry @tsuka_ryu]

👀

[二名川 @Ninagawa123]

Jevとかいうのが話題だが、流れてくる情報が概要とか応用ばっかりで肝心の「どうすれば使えるのか」がわからぬ😇

という方向けのQiitaを書き残しておきました。
超コンパクトな入門記事です。
#Jev

5分でJev入門（すぐ使う） https://t.co/DV9fipISfX #Qiita

[tkry @tsuka_ryu]

みんなJevの話してるな

[tkry @tsuka_ryu]

もっと早口にさせるか(?)

[tkry @tsuka_ryu]

AIと音声でやりとりしてて思うのは入力はしゃべるほうが楽だけど出力は文字の方が読むのが早いから非対称だなってこと　めちゃくちゃAIの話を遮ることになる

[tkry @tsuka_ryu]

👀
https://t.co/ep2el4WBxp

[tkry @tsuka_ryu]

👀

[yuya | AI coding engineer @isamisushi_y]

『Clean Code』の著者が、AIの書いたコードを読まなくなった。

しかも、そのために作った「厳格な開発工程」まで、いま見直している。

その人はUncle Bob（Robert C. Martin / @unclebobmartin）。『Clean Code』『Clean Architecture』の著者で、アジャイル宣言を書いた17人の一人でもある。

彼の直近1年のXを追って面白かったのは、単なる「ベテランがAIにハマった話」ではなかったことだ。

AIの使い方を試す。
工程を作る。
そして、その工程自体を疑う。
2025年末から2026年9月までの変化を、4段階に整理した。

① 2025年末：AIに書かせる。でも、手直しが多い

すでにAIは使っている。

ただし、コードを整理し、分割し、まとめ直すよう指示することに、多くの時間を使っていた。

この時点では、AIに任せれば済む、という感触ではない。

② 2026年2〜4月：書かせるだけでなく、検証にも使う

Claudeに、mutation（ミューテーション）テスト用のツールを作らせる。

これは、コードをわざと壊して、テストがその変更を検出できるか確かめるもの。

要は「テストを通ったから大丈夫」で終わらず、「そのテストは、本当に間違いに気づけるのか」まで確認する。

以前なら手間やコストが高かった検証も、AIにやらせられるようになる。

4月には「AI out-codes you; deal with it」という動画も公開。

AIのコーディング能力を、正面から認めるようになる。

③ 2026年春〜夏：「読まない代わりに、検証する」工程を作る

まず、仕様をGherkin（ガーキン）という形式で書く。

これは「どんな前提で、何をしたら、どうなるべきか」を整理する書き方。

たとえば、「登録済みのユーザーが、正しいメールアドレスとパスワードを入力したら、ホーム画面が表示される」。

要は、AIに「ログイン機能を作って」とだけ頼むのではなく、「何ができたら完成なのか」を先に具体化する。

その条件をもとに実装させる。
複雑さや重複を減らす。
mutationテストで検証する。
さらに、仕様を書く役、実装する役、整理する役、動作を確認する役にエージェントを分け、工程として固定していく。

画面を実際に操作するQAも入れる。処理のテストが通っても、画面が正しく動くとは限らないからだ。

7月には、自分のエージェントが書いたコードは読まない、という方針まで示す。
その代わり、テストや品質指標などの制約で囲む。
ここは切り離して読めない。

「コードを読まない」と「何も確かめない」は違う。

④ 2026年9月：「工程を固定する」から「品質条件を渡して任せる」へ

ところが9月、話がもう一度変わる。

9月12日に公開した動画のタイトルは「Rethinking Harnesses」。

ここでいうHarnessは、AIにどう仕事をさせるかを管理するための仕組みのこと。

それまでの彼は、AIに自分の望む順番で仕事をさせるため、工程ごとの役割やチェックをかなり細かく作り込んでいた。

たとえば、仕様担当、実装担当、レビュー担当、設計担当のように役割を分け、決められた順番で仕事を渡していく。

ところが、その仕組みを作っている間にもモデルの能力は上がった。

そこで、

「人間がここまで作業手順を固定する必要があるのか？」

と考え直し始める。

今は、まとまった仕事と品質上の条件を渡し、細かな作業手順までは固定しない。

単体テスト。
カバレッジ。
複雑さ。
mutationテスト。

こうした検証手段は残す。

でも、それをいつ、どう使いながら実装を進めるかまで、人間が細かく指示しない。

AI自身に判断させる範囲を広げている。

本人によれば、いくつかの品質上の指針を渡して離れ、40分後に戻ると、実装と検証まで終わっていることもあるという。

具体例として公開しているのが、Grokに作らせたオセロ。
1回の指示から約40分で実装し、その後、画面まわりを少し調整。
さらに、できたコードの設計をAI自身に説明させ、構造や依存関係を図にしたレポートまで作らせている。
つまり、AIに任せている範囲が、

「コードを書く」

だけではなく、

「どう作るかを判断する」
「どう検証するかを判断する」
「できたものの構造を説明する」

ところまで広がっている。

——

私がこの変化で一番面白いと思ったのは、品質へのこだわりを捨てたわけではないことだ。

むしろ、品質を守るために、人間が何を管理すべきかを見直している。

AIにどんな順番で作業させるか。
何役に分けるか。
どんな形式で仕様を書かせるか。

そこを細かく決めることが、いつまでも品質につながるとは限らない。

モデルが変われば、昨日まで必要だった工程が、今日は足かせになるかもしれない。

一方で、できたものを確かめる仕事は残る。
要求どおりに動くか。
テストは本当に間違いを検出できるか。

複雑になりすぎていないか。

画面は実際に使えるか。

もちろん、彼の実践だけで「会社でもコードレビューは不要」とは言えない。

複数人で長く保守するコード、大規模な既存システム、規制のある領域でも成立するかは、別に確かめる必要がある。

「コードを読まない」だけをコピーして、検証まで省けば、ただの丸投げになる。

Clean Codeの人の実験メモであって、教科書ではない。
それでも、この1年の変化から考えさせられることはある。

AIに任せる範囲が、
「コードを書くこと」から
「どう作るかを判断すること」まで広がっている。

だとすると、人間が握るべきものは何なのか。

すべての作業手順なのか。

それとも、

「何を作るのか」
「何をもって完成とするのか」

なのか。

作り方をAIに任せることと、品質までAI任せにすることは違う。

これから重要になるのは、AIに細かく手順を教える能力より、何を満たせば合格なのかを定義する能力なのかもしれない。

[tkry @tsuka_ryu]

笑った

[tkry @tsuka_ryu]

👀

[kaito @cu30rry_]

SDDはやっぱり限界かもね

仕様駆動はVide codingにとって良いように思えたが、エンジニアリングとしては課題がかなりあるので、私は今は使っていないし、使いたくない

代わりに、README駆動や GDD（Grill Driven Development, /wayfinder）を使用している

・作成される仕様書の品質問題（AI スロップ）
・仕様書のコンテキストの占有が大きすぎる
・実際の仕様と仕様書、コードの整合性・トレーサビリティ維持の難易度の高さ
・トレーサビリティを担保できたとしても、ID・コミット・ブランチなどの採番ルールを守らせないといけないなど、管理コストも多大になる
・仕様書の管理場所に外部ツールがあるとSSoTを保つことが難しい
仕様から検証済みコードまでを、skillセットでつなぐ動きが出てる

SDDを使っているのであれば、Valcraftの仕組みを使用するのがいいだろう
SDDには少しアンチだが、Valcraft自体は素晴らしいものだ

これはSDDに対して同じような課題から作られていて、コンテキスト・トレーサビリティの解決に主体が置かれている

・仕様書・計画・ADR（決定）を、コードと同じGitリポジトリに全て置く
・全部にIDを付けて、コミットやPRからたどれるようにする

IDは例えば、以下のような形式になっていて、どこからでもIDで上流・下流すべてトレースできる

FR-001: 機能要件（何を作るか）
AC-001: 受け入れ条件（何をもって完了とするか）
T-001: 実装タスク
ADR-0001: 設計上の決定
R-001: レビューで見つかった指摘

すべてを同一リポジトリで管理するのは、SSoTが確実に割れないようにすることとトークン効率が良いからだ

Notionなどで管理する方法もあるが、SDDはどうしてもリポジトリが最新でNotionなどの後追いする形になりがちなので、リポジトリ管理としていると考えられる

[tkry @tsuka_ryu]

あースキルの話か　たしかに〜

[tkry @tsuka_ryu]

👀

[りんたろー @re_taro_]

確かに Async React が来た今、 Modern React Guidance が求められているな

https://t.co/y7SIkkoWbi

[tkry @tsuka_ryu]

👀

[Moon @MoonGotchi]

Jev is INSANE.

I built this in an evening and morning. A real-time trading bot ingesting onchain+offchain data to make rapid decisions about trades. Fully autonomous.

So far it has lost me $31,680.