browser-use 通过 api 调用 jev 模型实现毫秒级结构化决策，无需修改源码；只需开通权限、升级至 v2.0+ 并指定 jev-ultra 等模型标识，即可将操作耗时从 400–1200ms 降至 70–300ms，协议调用减少九成。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

Browser-use 集成 Jev 的核心逻辑

Browser-use 本身不内置 Jev，而是通过 API 调用方式对接 Jev 模型服务。Jev 不是语言生成模型，它专做“选择题”——给定网页 DOM 结构和一组可操作元素（按钮、输入框等），Jev 在毫秒级内直接输出「点哪个」「填什么」「是否结束」的结构化决策。这避免了传统 LLM 逐 token 生成指令再解析的冗余过程，所以速度提升不是优化，而是范式切换。

实际集成三步走

你不需要改 Browser-use 源码，只需在初始化 Agent 时指定使用 Jev 支持的模型：

Build Teams.ai Apps with Anthropic Claude

使用 @youdotcom-oss/teams-anthropic 将 Anthropic Claude 模型（Opus、Sonnet、Haiku）添加到 Microsoft Teams.ai 应用程序中。可选集成 You.com MCP 服务器以进行网页搜索和内容提取。

下载

• 确保已获取 Jev API 访问权限：目前 Jev 由 TypeSafe AI 提供，需注册并开通 browser-use 兼容的 endpoint（如 jev-ultrafast）
• 安装最新版 browser-use：要求 v2.0+，支持 bu-2-0 或 jev-ultra 等专用模型标识：
  pip install --upgrade browser-use
• 代码中启用 Jev 模型：替换默认 LLM 实例，例如：
  llm = ChatBrowserUse(model='jev-ultra')
  或显式指定 endpoint：
  llm = ChatBrowserUse(base_url='https://api.typesafe.ai/jev', model='ultra')

为什么换 Jev 后快得明显

关键不在“AI 更强”，而在“任务匹配更准”：

• 传统 LLM 处理点击动作，要先生成类似「我应该点击页面上写着‘搜索’的按钮」的文本，再让解析器提取动作，平均耗时 400–1200ms
• Jev 直接接收序列化 DOM + 当前任务描述，输出 JSON 格式决策：{"action": "click", "element_id": "search-btn-2", "confidence": 0.98}，端到端响应稳定在 70–300ms
• 浏览器协议调用次数同步锐减：从旧方案平均 1092 次降至约 101 次，意味着几乎每一步都是有效操作，没有试探性刷新或重复定位

验证是否真正生效

运行任务时加一行日志观察模型行为：

• 启用详细日志：agent = Agent(task=..., llm=..., verbose=True)
• 成功集成后，你会看到类似 [JEV] Decision received in 128ms 的提示，而非 [LLM] Response streamed (tokens: 47)
• 对比耗时：同一任务（如查航班）在 Jev 下实测 7.1 秒，用同等配置的 Claude-3.5-sonnet 则为 9.45 秒以上