Jev Ultrafast

最近 GitHub 上很火的一个开源项目：Jev Ultrafast。它来自 Browser Use 团队，核心卖点就一句话——i. am. speed.

官方演示：用自然语言目标，在 Google Flights 上完成「苏黎世 → 伦敦」的航班搜索，全程（含文本生成和页面加载）仅约 7.1 秒，视频按 1× 真实速度播放。这个数字在当前浏览器 Agent 里相当激进。

Jev Ultrafast 网站截图

它和常见浏览器 Agent 有什么不同？

大多数浏览器 Agent 的套路是：截图 / 长文本描述 → 大模型生成下一步动作（甚至生成选择器或坐标）。
Jev Ultrafast 反其道而行之：

1. 把页面变成动态索引动作空间
   每一步观察都会生成一张元素表，例如：
   text

   [1] button    Change ticket type   Round trip
   [2] combobox  Where from?          San Francisco
   [3] combobox  Where to?            empty
   ...

2. 用 TypeSafe 的 Jev 做「选择」而非「生成」
   一次请求同时决定：操作类型（CLICK / TYPE_TEXT / SELECT / SCROLL / WAIT / DONE / BLOCKED）以及对应的目标元素。两个决策共享一次网络往返。
3. 只有需要打字时才调用小模型
   只有当操作是 TYPE_TEXT 时，才会让一个轻量 LLM 生成具体文本。其他操作直接选索引，不产生自由文本。

结果是：决策更快、更可控，也更不容易出现「模型幻觉出不存在元素」的问题。

为什么能这么快？

项目列出了几项关键优化：

• 默认循环不依赖截图，只消费结构化状态
• 一次浏览器调用原子读取可见控件
• 执行前校验目标是否仍然有效、是否被遮挡
• 合理的等待策略（例如 combobox 建议最多等 200ms）
• 后台标签页保持渲染，避免动画节流

实测中，浏览器协议调用从约 1092 次降到 101 次，任务时间中位数下降约 25%。

怎么试？

git clone https://github.com/browser-use/jev-ultrafast.git
cd jev-ultrafast
uv sync
cp .env.example .env
# 填入 TYPESAFE_API_KEY 和 TEXT_MODEL_API_KEY
uv run jev

然后打开 http://127.0.0.1:8766，就能看到本地 Inspector：编号元素、操作概率、执行轨迹一清二楚。也可以直接当库用：

from jev_ultrafast import Agent

with Agent(
    "https://www.google.com/travel/flights?hl=en",
    "Find one-way flights from Zurich to London on September 20, 2026, "
    "for one adult in economy. Stop when matching flight options are visible.",
) as agent:
    for state in agent.run():
        print(state["elapsed_ms"], state["status"])

局限也要说清楚

当前仍是 MVP：Shadow DOM、iframe、canvas、文件上传、弹窗标签页等还不支持；DONE 需要独立验证结果，不能只听模型自己说「完成了」。适合研究「动作空间设计」和「低延迟决策」，还不是生产级全能浏览器自动化。

对浏览器 Agent 感兴趣的同学，这个仓库值得细读——代码量不大，agent.py、snapshot.js、model.py 结构清晰，是一次很好的「如何让 Agent 真正快起来」的工程示范。