Hermes Jev Skills实测：377个技能挑选压到2.8秒 账单直降
内容提要
Hermes Jev Skills 是开源工具集，将决策模型 Jev 嵌入智能体，负责模型路由、记忆过滤、上下文压缩、技能挑选等七类小决策，让前沿模型专注重活。Jev 每次决策仅需 0.4 秒、约 0.00006 美元，并附带置信度。它不上传截图和网页正文，密钥对智能体不可见，还设有六层兜底与 shadow 模式。0.10.0 版修复了模型池维度被丢弃的静默 bug。
延伸解读
决策外包的成本优势与适用边界
Jev 将模型路由、记忆过滤等七类小决策从昂贵的前沿模型剥离，单次决策仅 0.4 秒、约 0.00006 美元，并附带置信度。这适合高频、低复杂度的选择题场景，但文章也指出，Jev 的判断准确率与业务领域相关，且技能描述需控制在 200 字符以内，否则可能因信息截断导致误判。因此，它并非万能，需在输入约束和领域适配下使用。
隐私保护机制与本地化设计
Hermes Jev Skills 在浏览器和电脑操作中只上传动作 id 和短标签，不发送截图、网页正文或输入框内容；模型路由仅上传脱敏后的当前语句，历史对话和文件内容一律不发。密钥通过本地临时网页写入系统密钥库，智能体不可见。这种设计降低了数据外泄风险，但脱敏规则曾出现误伤快递单号或漏脱敏电话号的反复，说明隐私功能需双向测试。
静默故障的教训与诊断工具
0.10.0 版本修复了一个静默数月的 bug：suggest_tiers() 只输出 general 和 vision，导致 Jev 对 coding 等类别的判断被丢弃，模型池回退到 general，用户花钱问 Jev 却未影响路由。为此新增 route.dead_axis() 检测、jev doctor 诊断和 dashboard 可视化。这提醒用户，二维模型池虽灵活，但需定期检查各维度是否为空，避免决策买而不用。
渐进启用与兜底策略
路由功能提供 off、shadow、on 三档，推荐先跑 shadow 模式，让 Jev 照常判断但不实际切换模型，用户可对比建议与实际效果后再切到 on。同时，系统设有六层兜底：Jev 超时、低置信度、无密钥、格式异常或宕机时均走 fail-open 路径，不阻塞对话。风险词对话不会被路由到最便宜档位，长对话中途不降级，这些硬安全线降低了决策失误的代价。
Q&A
Hermes Jev Skills 是什么？它主要解决什么问题？
Hermes Jev Skills 是一套开源工具集，将 TypeSafe 公司的决策模型 Jev 嵌入到 Hermes、Claude Code、Codex 等智能体中，专门处理模型路由、记忆过滤、上下文压缩、技能挑选、消息分诊、电脑操作、浏览器操作这七类小决策，让昂贵的前沿模型只专注于真正需要思考和写作的重活。
Jev 做一次决策的成本和速度是多少？
Jev 处理一次模型路由决策平均耗时 0.4 秒，花费约 0.00006 美元（万分之六美分），并且返回结果中带有置信度数值。相比之下，让 Claude Opus 回答同样的问题通常需要 3 到 8 秒，费用少说也要几美分。
Hermes Jev Skills 如何保护用户隐私，避免上传截图和网页正文？
在浏览器操作场景中，开发者先在本地写好动作表，每个动作有 id。运行时本地程序识别页面可用动作，只把动作 id 列表和简短标签发给 Jev，Jev 返回一个 id 供本地执行。屏幕截图、网页正文、输入框内容都不发送。如果操作目标或标签出现敏感词，本地程序会在发送前直接拒绝调用 Jev。
Hermes Jev Skills 的 API 密钥管理流程是怎样的？
用户运行 jev setup-key 命令，本机启动临时网页服务，生成一次性 URL。用户在浏览器中粘贴密钥，密钥直接写入操作系统密钥库（macOS 用 Keychain，Linux 用 secret-tool，兜底为权限 0600 的本地文件）和 Hermes 的 .env 文件。智能体只看到“密钥已存储，已验证，成功”的反馈，看不到密钥本身。无头服务器可用 jev setup-key --tty 在终端隐藏输入。
技能挑选场景中，为什么每个技能描述被限制在 200 字符以内？
因为 Jev 的判断准确率与输入信息密度直接相关。超过 200 字符的描述会被截断，导致 Jev 看到的信息不完整，两个功能相近的技能可能被压缩成完全一样的描述，Jev 就无法区分。0.10.0 版本修复了八个技能描述超长导致两个任务委派技能无法区分的 bug，现在强制所有技能描述在 200 字符以内。
Hermes Jev Skills 的 shadow 模式是什么？推荐如何使用？
shadow 模式是路由功能的三档开关之一（off、shadow、on）。在 shadow 模式下，Jev 照常做判断并记录日志，但不会真的切换模型，用户继续使用当前模型。推荐先跑 shadow 模式，对比 Jev 建议派给便宜或贵模型的对话在实际业务中的质量表现，跑够样本后再切到 on 模式，让 Jev 真正影响模型选择。
如果 Jev 宕机或返回低置信度，Hermes Jev Skills 如何兜底？
采用“完全失败开放（fail-open）”策略：Jev 超时或低置信度时，路由继续用当前模型，记忆过滤返回原始列表，压缩不丢弃任何一轮，技能挑选不推荐任何技能，电脑操作返回 reobserve。没有 API 密钥时所有 Jev 功能自动禁用。Jev 整体宕机最多损失 2.5 秒时间预算，绝不阻塞对话。此外还有硬安全线，如风险词对话不会路由到最便宜模型。
0.10.0 版本修复的静默 bug 是什么？造成了什么后果？
内部函数 suggest_tiers() 在某次改版后只会输出 general 和 vision 两种结果，其他三种专长（coding、writing、research）被悄悄砍掉。后果是 Jev 每次判断“这是编程问题”后，suggest_tiers() 找不到编程模型池，就默默回退到 general 池，导致每一轮对话都花钱问 Jev 但答案从未真正影响模型选择。该 bug 静默存在至少几个月。0.10.0 版本增加了 route.dead_axis() 检测、jev doctor 诊断命令和升级版 dashboard 来补救。
