Cua 发布 jev-use，将「快速电脑使用」拆分为两层架构

Jev 优质案例 + 1 Cua @trycua 发布 jev-use，把「Fast Computer Use」拆成两层架构：Jev (typesafeai) 负责决策判断，Cua Driver 负...

Jev 优质案例 + 1 Cua @trycua 发布 jev-use，把「Fast Computer Use」拆成两层架构：Jev (typesafeai) 负责决策判断，Cua Driver 负责看和做。 架构：为什么拆成两层 ？ 传统 Computer Use 是「一个大模型端到端包办感知 + 决策 + 执行」，慢且贵。jev-use 的做法是职责分离： · Cua Driver：跨平台观察（截屏、无障碍树 AX、DOM）与执行，并负责执行后的状态验证； · Jev：轻量快速的决策层，只做一件事，从候选动作里选一个； · Cua Perception（新增，可选）：当 AX/DOM 信息不足时，才调用 OmniParser 之类的截屏解析器，产出带类型的视觉区域。 五步动作循环（观察 → 按需解析 → 客户端构建候选 → Jev 选一个 ID → Driver 执行并验证）是这套架构的精髓：把「开放式生成」收敛为「有界选择」。候选动作由客户端确定性生成、带 ID，Jev 只需选择而非生成，这既压低了延迟和成本，也让循环可验证、可复现。 Cua 实测 2048 游戏 Jev 比 Astra 快 5 倍、便宜约 1000 倍（44.9 秒 / 约 $0.00108 对 294.9 秒 / 约 $1.45）。2048 是键盘中、状态完全可观察的理想任务，恰好最大化了「小决策层 + 确定性执行」架构的优势；换成开放网页任务或 AX 稀缺的场景，差距未必如此。 Computer Use 的瓶颈正从「能不能做到」转向「够不够快、够不够便宜」。Cua 的判断是用确定性基础设施（观察、候选生成、执行验证）包住一个极小的模型决策点，从而把单位任务成本压到厘级。同时 Driver 保持模型和解析器无关，意味着 Jev、OmniParser 都是可替换件，Cua 卖的是底座，不是模型。 Cua @trycua 1/ Fast Computer Use is now solved with @typesafeai Jev + Cua Driver. Available in development preview for macOS, Windows, and Linux. We call it jev-use. Draft #3943 : github.com/trycua/cua 🔗 View Quoted Tweet 💬 0 🔄 0 ❤️ 3 👀 357 ⚡