本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 项目说明 当前项目是我结合jev决策模型，和开源的 jev-ultrafast，二开出来专门使用jev决策模型，进行UI自动化测试的测试框架。 对jev决策模型的实际落地场景，和使用jev执行UI自动化测试感兴趣的佬友们，欢迎一起交流学习。对我这个项目感兴趣的佬友可以点个star关注下，后续还会持续更新。 项目地址 github.com GitHub - buer2233/jev-ui-test: Jev 决策模型驱动的 UI... Jev 决策模型驱动的 UI 自动化测试框架：不生成「下一步做什么」的文字，而是在候选元素里直接打分；一句话写用例，pytest 执行，Allure 出报告，每个操作决策中位 458 ms（UI test automation driven by the Jev decision model — scored decisions, not generated prose; ~458 ms per decision） jev模型介绍和使用教程 github.com/buer2233/jev-ui-test docs/jev-model.md main # Jev 模型介绍和使用教程 本框架里「点哪个元素、做什么操作」不是人写死的，也不是让大模型现编的，而是由 Jev 决策模型 在页面的候选元素里打分选出来的。这份文档前半段讲清楚 Jev 是什么、它和常规大模型差在哪、为什么这个项目要用它， 后半段是怎么拿到 API Key，并用注册送的免费额度把本仓库的用例跑起来。 --- ## Jev 是什么 Jev 是 TypeSafe 的 System One 模型（System One Model）的第一个公开版本，专门为自动化而训练—— 它要做的不是「找人聊天」，而是「替软件做决定」： - 它的输出是决策，不是文字：一次调用返回「在这个候选集合里选哪一个」，附带带校准的概率 （每个候选各自的概率，以及这一次的置信度），而不是一段还需要再解析的自然语言； - 它的训练目标和聊天模型不同：TypeSafe 的说法是，RLHF 把模型训练得很会遵循指令，代价是 「模式坍缩、过度自信、不可靠」；他们改用 RLCD（Reinforcement Learning for Calibrated Decisions）， 让模型知道自己有多确定，不确定就把概率说出来，由调用方决定要不要往上抛； - 在浏览器里，它的动作空间是动态且带索引的（上游 jev-ultrafast 的定位）： 每次观察页面得到一张候选元素表，Jev 只在这张表里选；可选操作限定为 CLICK / TYPE_TEXT / SELECT / 此文件已被截断。 显示原始文件 测试报告 buer2233.github.io Allure Report 1 个帖子 - 1 位参与者 阅读完整话题

  • 情报分类：开源项目与落地
  • 分类依据：内容涉及项目实践、创业、副业或变现
  • 信息来源：服务器 / LINUX DO - 最新话题
  • 发布时间：2026/9/29 12:39:31