jev模型需手动封装web界面，推荐用gradio快速搭建本地页面：安装gradio后运行app.py即可打开http://127.0.0.1:7860，输入state、选择问题类型及参数，点击submit获得结构化json输出。

☞☞☞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☜☜☜

Jev 模型本身不提供 Web 页面，安装完成（如 pip install fast-browser-use）后，它只是一个 Python 函数 ask_jev()，需要你手动封装成可交互的界面。搭建简易调用页面，核心是“用轻量前端把字典输入和结构化输出可视化”，不是部署服务，也不依赖模型权重文件。

确认本地调用已通

在写页面前，请先确保命令行能成功运行：

• 新建 test_jev.py，内容为官方示例（state + questions 字典）
• 运行 python test_jev.py，得到类似 {"intent":"code_rewrite","intent_confidence":0.92} 的结果
• 若报错 ImportError: DLL load failed，说明缺 Visual C++ 2015–2022 运行库，需单独安装

用 Gradio 快速生成单页界面

Gradio 是最省事的选择，几行代码就能起一个带输入框、按钮、结果展示的本地网页。它不暴露端口到公网，纯本机使用：

Free Ride - Unlimited free AI

一款AI工具，主要用于管理 OpenClaw 所使用的来自 OpenRouter 的免费 AI 模型。自动按质量对模型进行排序，配置回退机制以应对速率限制，并更新 opencla...，适合需要提升相关任务效率的用户。

下载

• 安装：pip install gradio
• 新建 app.py，粘贴以下代码（已适配 Jev 输入格式）：

import gradio as gr
from fast_browser_use import ask_jev

def run_jev(state, q_type, q_name, q_options_or_levels):
  if q_type == "choice":
    questions = [{"type": "choice", "name": q_name, "options": q_options_or_levels.split(",")}]
  elif q_type == "score":
    levels = [lvl.strip() for lvl in q_options_or_levels.split(",")]
    questions = [{"type": "score", "name": q_name, "levels": levels}]
  else:
    questions = [{"type": "noul", "name": q_name}]
  try:
    return str(ask_jev(state=state, questions=questions))
  except Exception as e:
    return f"错误: {e}"

demo = gr.Interface(
  fn=run_jev,
  inputs=[
    gr.Textbox(label="state（当前上下文）", placeholder="用户说：帮我重写这段代码..."),
    gr.Radio(["choice", "score", "noul"], label="问题类型"),
    gr.Textbox(label="字段名（name）", value="decision"),
    gr.Textbox(label="选项或等级（用英文逗号分隔）", placeholder="low,medium,high 或 yes,no"),
  ],
  outputs=gr.Textbox(label="Jev 返回结果"),
  title="Jev 本地调用演示页"
)
demo.launch()

• 运行 python app.py，浏览器自动打开 http://127.0.0.1:7860
• 填入 state 文本，选类型、命名、填选项，点 Submit 即得结构化 JSON 输出

不装额外库？用 Flask 写个极简 HTML 页面

如果不想引入 Gradio，可用 Python 自带的 http.server + 简单 Flask（仅需 2 个文件）：

• 创建 server.py（后端）：

from flask import Flask, request, render_template, jsonify
from fast_browser_use import ask_jev

app = Flask(__name__)

@app.route("/")
def index():
  return render_template("index.html")

@app.route("/api/ask", methods=["POST"])
def handle_ask():
  data = request.json
  try:
    res = ask_jev(
      state=data["state"],
      questions=[{
        "type": data["q_type"],
        "name": data["q_name"],
        **({"options": data["options"].split(",")} if data["q_type"]=="choice" else {}),
        **({"levels": data["levels"].split(",")} if data["q_type"]=="score" else {})
      }]
    )
    return jsonify(res)
  except Exception as e:
    return jsonify({"error": str(e)}), 400

if __name__ == "__main__":
  app.run(debug=True)

• 新建 templates/index.html（前端），含表单 + JS 提交 + 结果显示区
• 运行 python server.py，访问 http://127.0.0.1:5000

关键注意事项

页面只是外壳，真正影响调用成败的是输入结构：

• state 必须是字符串，不能是 dict/list；超长（＞2048字符）会被静默截断
• questions 列表里每个 item 必须有 type 和 name，type 只接受 "choice" / "score" / "noul"，拼错就报 ValueError
• 返回结果是 Python 字典，前端展示时建议用 JSON.stringify(res, null, 2) 格式化，别直接 .toString()
• 首次运行会自动解压 ONNX Runtime 到 %LOCALAPPDATA%\fast-browser-use\runtime\，确保该路径有写权限