Weekly #003｜火线解读 Jev 新范式；用 Agent 还得买带鱼屏？ - Next Token｜词元之外
如果模型不负责聊天，只负责反复做一个小判断，它能进入哪些工作流？当 Agent 已经能操作电脑，为什么人反而开始惦记一块带鱼屏？ 本期从 Jev 聊起：筛选记忆、给联系人打标签、语义查询、过滤广告——这些不太像聊天，却可能需要大量模型调用的场景，是否值得用新的方式处理？我们也讨论了一个容易混淆的边界：输出满足类型约束，并不等于判断一定正确。 随后，话题转向多模态、小模型和真实创作：用 GPT-6 Astra 辅助生成训练数据、用代码做宣传片和配乐，以及 Vibe Coding 带来的一个朴素烦恼——硬盘越来越不够用了。 浏览器、聊天区、任务列表挤在同一块屏幕上，用 Agent 是否真得配一块带鱼屏？后半场从这个具体的工作界面聊开，继续追问 Agent 的落地条件：语音输入、多账号、常驻电脑、云端 Mac、企业数据与日志。能力之外，工作环境和人的监督同样重要。 本期录制于 2026 年 9 月 19 日，四位主理人通过腾讯会议远程录制。节目中的体验、观点与预测属于参与者个人判断，不代表对产品能力的独立验证；具体功能与可用性以官方信息为准。 本期讨论 Jev 不走聊天路线，适合做哪些高频判断？ 结构化输出、模型准确率和“没有幻觉”，为什么不能混为一谈？ 多模态、小模型和代码工具，怎样进入真实创作？ 当 AI 不断生成文件和项目，存储与工作空间怎么管理？ 让 Agent 常驻电脑之后，数据边界与监督如何安排？ 本期人物 歸藏：联合主理人，本期当值。 向阳乔木：联合主理人。 橘子：联合主理人。 杨攀：联合主理人。 时间轴 00:00 节目片头 00:49 本期精彩片段 01:30 四位主理人开场 01:41 Jev：不聊天，做结构化判断 03:47 微信好友标签与高频判断 07:22 语义搜索与数据库查询 08:47 “没有幻觉”不等于判断正确 17:18 用模型过滤隐性广告 20:57 把新模型接入现有 Agent 25:07 多模态：音视频为什么要一起理解 27:51 量化与本地小模型 31:43 SVG、图标与设计工作流 35:19 用 GPT-6 Astra 造数据、训练小模型 40:59 实时语音与 Computer Use 43:44 具身智能与零样本任务 48:07 Vibe Coding 把硬盘用满之后 56:56 用代码做宣传片和配乐 01:09:39 语音输入产品与实时反馈 01:20:07 Codex 多账号与工作空间 01:24:29 常驻 Agent 与多平台内容分发 01:26:42 Coding 与 Office：两种工作模式 01:29:52 云端 Mac 与 Agent 执行环境 01:30:49 企业数据与日志边界 01:36:25 AI 剧与内容生产 01:38:06 AI 参与研发与人的监督 01:40:04 片尾 相关资料 TypeSafe：System One Models 与 Jev Arrow 2（SVG 生成模型） StepAudio 3 Realtime 官方页面 术语说明 Jev 的类型约束与决策准确性是两个问题；符合预设输出结构，不意味着对事实或业务问题的判断一定正确。Computer Use 指通过电脑界面执行操作，不等同于 AGI 的认定。 关于节目 Next Token｜词元之外是一档关注 AI 技术、产品与现实影响的视频播客，同时提供音频版。旗舰栏目 Next Token Weekly，由杨攀、歸藏、橘子和向阳乔木每周圆桌对谈，分享观察、实践与不同判断。 节目主页：nexttoken.tv 社群 欢迎加入 Next Token Discord，分享你的使用体验和不同判断。 音乐 Electric Dreams / Origami — Scott Buckley，依据 CC BY 4.0 使用。音乐来源：Scott Buckley Music Library。 English summary Recorded in Mandarin Chinese on September 19, 2026, with Guizang, Xiangyang Qiaomu, Orange, and Yang Pan joining remotely. We explore Jev and high-frequency structured decisions, why type-safe output does not guarantee accuracy, multimodal tools and small models, and the practical workspace needs of computer-using agents—from ultrawide monitors and voice input to always-on computers, cloud Macs, enterprise data, and human oversight. Experiences and predictions reflect the participants’ perspectives, not independently verified product capabilities.
