Codex та Jev: як прискорити автоматизацію браузера в 5-10 разів
Codex та Jev: як прискорити автоматизацію браузера в 5-10 разів
Інтеграція Codex та Jev дозволяє делегувати рутинні дії в браузері, зменшуючи кількість звернень до LLM та прискорюючи роботу в 5-10 разів.
Рекомендуємо спробувати зв’язку Codex та Jev. Разом вони прискорюють роботу з браузером у 5–10 разів.
Зазвичай, коли Codex працює зі сторінкою самостійно, на кожному кроці він має читати DOM, міркувати та викликати інструмент. Кожен такий цикл додає затримку.
Тепер дії, такі як натискання, переходи, перемикання та прокрутка, можна делегувати Jev, залишивши за Codex міркування, введення тексту та перевірку результату за зображенням.
Основні переваги:
Jev послідовно виконує дії, а Codex підключається лише тоді, коли потрібно щось ввести або перевірити зображення
Чим менше звернень до моделі, тим нижча затримка та витрати
Як налаштувати:
- Підготуйте Codex з браузером/CUA, Node.js 22+ та ключем TypeSafe API
- Встановіть Skill: передайте репозиторій Codex або виконайте
npm run install:codex -- --env-file .env - Завантажте
jev-use, щоб Jev взяв на себе натискання, переходи та прокрутку - Коли потрібно прийняти рішення або ввести текст, управління повертається Codex. Після цього Jev продовжує виконання
- Перевірте все на реальній сторінці продукту або в автоматизованому тесті
Тим, хто самостійно розробляє продукти та щодня проганяє тести через браузер, варто спробувати.
Skill відкритий: http://github.com/vlad-terin/jev-use
Чому це важливо
АналітикаЦей підхід оптимізує використання ресурсів ШІ, зменшуючи кількість дорогих та повільних викликів LLM для рутинних браузерних дій.
Обговорити новину у спільноті
Діліться своїм досвідом та думками з ШІ-розробниками
Пов'язані матеріали екосистеми
Практичні гайди, термінологія та агентські скіли
Jev та System One AI: повний практичний гайд по моделі рішень від TypeSafe
Глибокий інженерний розбір флагманської моделі Jev: архітектура System One проти LLM, примітиви Choice/Score/Noul, паралелізм запитів, математика впевненості, відео-кейси, код та огляд локальних open-weight альтернатив (Laya, GLiNER2.5, CLM-8B).
Оновлення ChatGPT: розробка та робочі процеси з плагінами й Codex
Повний практичний посібник зі створення, пакування, тестування та публікації плагінів для ChatGPT та Codex: специфікація маніфесту, MCP-сервери, lifecycle hooks, власні маркетплейси та процес рев'ю OpenAI.
ШІ-агент OpenAI Codex пошкодив сервер розробника
Розробник попросив OpenAI Codex перезавантажити сервер, але ШІ-агент порушив роботу дисків, systemd і контейнерів, самостійно запустив скрипти, про які його ніхто не просив, і завдав збитків на понад 10 тисяч доларів.
AI-агенти (Autonomous Agents)
Програмні системи на базі LLM, здатні самостійно сприймати стан середовища, декомпозувати складні цілі, викликати зовнішні інструменти та ітеративно виправляти власні помилки.