用哑巴 AI 优化 Agent Harness

这几天看了不少 Jev 的实践，我越看越觉得它最值钱的不是“能不能替大模型”，而是刚好补上了 Agent Harness 里长期缺的一层能力：低成本的语义判断。

一个 Agent 跑起来，光靠写死规则太笨，全丢给大模型又贵又慢。其实分工特简单：确定性规则交给代码，复杂推理交给主模型，而中间那些“灰区”判断，正好交给 Jev。

拿权限控制来说，read_file 明确安全，rm -rf / 直接拦截。但像 git push 这种到底危不危险，得看是不是生产环境、有没有外部副作用。这时候就得让 Jev 来判个风险等级，真敏感的操作还得人工点头。

再比如防 Agent 原地打转。代码能数步子、查重复，但 Agent 搜完 auth 搜 token、搜完 token 又绕回 auth，动作都不一样，其实一直在原地打转。这时候就得让 Jev 来看看方向对不对。

连任务派发和最终验收都能包圆。新任务进来，先让 Jev 决定用哪个模型、开哪些工具；等主模型干完，再由 Jev 拿着测试结果去核对，绝不只听它一句“我搞定了”。

说白了，Jev 就是个专门做 if/switch 式判断的模型，把主模型从琐事里解放出来。