agentsproductivity开源
typesafe-computer-use
把本地 OCR、辅助功能数据和 Jev 的受限动作选择组合成原生 macOS Computer Use。
Jev 决定什么
下一步使用哪个电脑动作、可见元素、网站或屏幕外辅助功能控件。
项目用确定性方式读取当前 Mac 窗口，再让 Jev 从已知动作与目标中选择下一步；只有确实需要自由文本时才调用单独的写作模型。
CHOICENOUL
- Jev 的职责
- 根据确定性的屏幕观测，从受限动作和目标中选择下一步。
- 输入
- 用户目标、OCR 文本块、辅助功能控件、焦点输入框、应用、URL、时间和近期动作。
- 输出
- 动作与目标的 Choice 分布，以及输入生成文本后的 Noul 检查。
- 决策频率
- 每个 Computer Use 步骤一次。
- 兜底方式
- 低置信度、连续空操作、达到步数上限或缺少权限时停止；自由文本交给单独的写作模型。
运行方式
输入
用户目标、OCR 文本块、辅助功能控件、焦点输入框、应用、URL、时间和近期动作。
Jev
CHOICE + NOUL
输出
动作与目标的 Choice 分布，以及输入生成文本后的 Noul 检查。
公开性能数据
Reported model cost per decision
0.0002 USD
Select one computer-use action from the same screenshot and goal.
作者自报 · 已核对来源采集于 2026年9月21日
项目概览
typesafe-computer-use 组合了 ScreenCaptureKit、Apple Vision OCR、macOS 辅助功能和确定性的动作处理器。Jev 面对的是显式动作和可见或可访问的目标，而不是接收截图后生成一整套计划。
仓库中的成本与延迟来自作者对同一屏幕任务的测试，并非本站独立 benchmark。项目也明确记录了纯图标控件、辅助功能覆盖率、焦点争用和仅支持主显示器等限制。
- 开发语言
- Python
- 许可证
- MIT
- 作者
- awlevin
来源核对于 2026年9月21日
信息来源
相关项目
开发工具
CHOICESCORENOUL
Distill
用受限的 Jev 判断处理 Coding Agent 的任务路由、推理强度和上下文保留。
Jev 决定什么
本次调用使用哪个已配置模型和 effort、哪些证据值得关注、是否需要再试一次，以及哪些上下文应被保留。
作者自报 · 已核对来源继续阅读
效率工具
CHOICENOUL
Jev-cu
让 Jev 选择基于界面文字的 Computer Use 动作，由 Codex 在本地安全策略下读取并执行。
Jev 决定什么
使用哪个可见文字候选和动作、目标是否完成，以及动作是否敏感。
作者自报 · 已核对来源继续阅读
开发工具
CHOICESCORENOUL
jev-model-router
用一次并行 Jev 分类为 Claude Code 选择模型档位和推理强度。
Jev 决定什么
工作适合 fast、balanced 还是 deep 档位，需要多少推理，以及生产风险是否要求升级。
作者自报 · 已核对来源继续阅读