Codex и Jev: как ускорить автоматизацию браузера в 5-10 разов
Codex и Jev: как ускорить автоматизацию браузера в 5-10 разов
Интеграция Codex и Jev позволяет делегировать рутинные действия в браузере, сокращая количество обращений к LLM и ускоряя работу в 5-10 разов.
Рекомендуем попробовать связку Codex и Jev. Вместе они ускоряют работу с браузером в 5–10 разов.
Обычно когда Codex сам работает со страницей, ему на каждом шаге приходится читать DOM, рассуждать и вызывать инструмент. Каждый такой цикл добавляет задержку.
Теперь действия вроде нажатий, переходов, переключений и прокрутки можно отдать Jev, а Codex оставить рассуждения, ввод текста и проверку результата по изображению.
Основные преимущества:
Jev последовательно выполняет действия, а Codex подключается только когда нужно что-то ввести или проверить изображение
Чем меньше обращений к модели, тем ниже задержка и расход
Как настроить:
- Подготовить Codex с браузером/CUA, Node.js 22+ и ключом TypeSafe API
- Установить Skill: передать репозиторий Codex или выполнить
npm run install:codex -- --env-file .env - Загрузить
jev-use, чтобы Jev взял на себя нажатия, переходы и прокрутку - Когда требуется принять решение или ввести текст, управление возвращается Codex. После этого Jev продолжает выполнение
- Проверить всё на реальной странице продукта или в автоматизированном тесте
Тем, кто самостоятельно разрабатывает продукты и каждый день прогоняет тесты через браузер, стоит попробовать.
Skill открыт: http://github.com/vlad-terin/jev-use
Почему это важно
АналитикаЭтот подход оптимизирует использование ресурсов ИИ, сокращая количество дорогих и медленных вызовов LLM для рутинных действий в браузере.
Обсудить в сообществе
Делитесь опытом и мыслями с ИИ-разработчиками
Связанные материалы экосистемы
Практические гайды, терминология и агентские скиллы
Jev и System One AI: полное практическое руководство по модели решений от TypeSafe
Глубокий инженерный разбор флагманской модели Jev: архитектура System One против LLM, примитивы Choice/Score/Noul, параллелизм запросов, математика уверенности, видео-кейсы, код и обзор локальных open-weight альтернатив (Laya, GLiNER2.5, CLM-8B).
Обновления ChatGPT: разработка плагинов и рабочие процессы Codex
Полное инженерное руководство по созданию, упаковке, тестированию и публикации плагинов для ChatGPT и Codex: спецификация манифеста, MCP-серверы, lifecycle hooks, собственные маркетплейсы и ревью OpenAI.
ИИ-агент OpenAI Codex повредил сервер разработчика
Разработчик попросил OpenAI Codex перезагрузить сервер, но ИИ-агент повредил диски, systemd и контейнеры, запустил незапрошенные скрипты и причинил ущерб более чем на 10 тысяч долларов.
AI-агенты (Autonomous Agents)
Программные системы на базе LLM, способные самостоятельно воспринимать состояние окружающей среды, декомпозировать сложные цели, вызывать внешние инструменты и итеративно исправлять собственные ошибки.