本文介绍了如何使用 TypeSafe AI 的决策模型 Jev 作为 LLM Judge 来评估 Agent 的表现（Jev-as-a-Judge）。与只看最终回复不同，Jev 会阅读完整轨迹（用户请求、工具调用及结果、最终回复），将标准转化为预定义问题，并返回带置信概率的判定。文章通过退款 Agent 示例演示了 Playground 的使用，说明如何设定阈值将运行分为通过、失败和人工复核三类。研究显示，该接受-升级模式比 GPT-6 单独判断更准确且成本大幅降低。作者强调需先用人工标注验证 Jev 的可靠性，能用代码检查的事实性问题就不需要 Judge，将 Jev 保留给需要阅读理解的判断。
本文是 Jev（一个通用 System One 模型）的新手指南。Jev 专为快速、聚焦的判断设计，而非长推理或开放式写作。用户给它提供上下文（状态）和决策表（问题），它返回结构化答案及不确定性概率。答案类型包括 Choice（单选）、Noul（是/否概率）和 Score（有序打分），可一次请求多个互不影响的问题。文章介绍了 Jev Playground 中的六个用例，如支持工单分流、模型路由、Agent 工具调用守卫、智能家居请求等，并强调最终决策应由代码完成：设置阈值、硬规则和权限判断。Jev 适合重复性、答案有界的判断场景，但在算术、计数、日期、对抗性输入等方面表现不均，需谨慎使用。
文章探讨了超越传统提示词的多模态交互技术，提出“任务”概念，通过结合语音、屏幕、文本等多种信息源，让代理更高效地完成复杂工作。该方法减少交互循环，提升并行工作能力，并通过存储执行痕迹逐步转化为可重用的技能，为未来全模型交互奠定基础。
本文介绍了如何利用 Fireworks Agent 实现 LLM 微调（SFT）的全自动化。文章以 Andrej Karpathy 的“个人 LLM Wiki”理念为引，阐述了将知识注入模型权重比单纯依赖上下文窗口更高效。通过 Fireworks Agent，作者展示了从数据集检查、超参数搜索、模型训练到部署推理的完整闭环，无需人工干预繁琐步骤，仅需少量 GPU 时间和极低成本，即可训练出具有特定输出风格（如 Wiki 摘要风格）的模型，为构建自我进化的 Agent 铺平了道路。
