🎙️ How I AI: 8 real Jev use cases + How OpenAI uses ChatGPT Sites (live at DevDay!) + Claire’s DevDay recap

🎙️ 我的AI之旅：8个真实的Jev使用案例 + OpenAI如何利用ChatGPT网站（DevDay现场演示） + Claire的DevDay回顾

我的AI之旅

每周精选内容：我的AI之旅，Lenny播客网络旗下节目

Lenny Rachitsky

2026年10月5日

Jev：我使用过的最快、最便宜模型的8个真实应用场景 | John Lindquist

立即收听：YouTube • Spotify • Apple Podcasts

由Vanta提供支持 —— 自动化合规并简化安全

John Lindquist是一位教育者和开发者，他创建了egghead.io，现在运营着mega.dev，这是一个面向使用AI代理构建应用的开发者的实践性项目。在本期节目中，他演示了八个Jev案例，包括实时语音助手、数据去重、应用路由、国际象棋分析、多代理协调以及现场演示教练。他还解释了为什么Jev更应被理解为一个快速且低成本的决策引擎而非聊天机器人，如何通过多层分类提升准确性，以及在什么场景下传统大语言模型仍是更优工具。

#### 最重要的收获：

• Jev输出决策而非文本，这种约束正是其核心特征。它将非结构化输入转化为结构化结果，如评分、分类、概率和函数调用。一旦开发者停止将其视为聊天机器人，转而明确应用程序需要做出的决策，许多此前看似不切实际的应用场景就会变得显而易见。

• Jev的速度和成本解锁了全新类别的应用。在八个演示案例中，John展示了当决策成本几乎为零且响应几乎即时时的可能性。他仅花费73美分完成了23次开发测试，而Claire则用40美分处理了5GB的JSON数据。

• 理解Jev的正确思维模型是if/else语句而非提示工程。John建议在任何传统程序包含条件判断、switch语句或分支决策的地方使用它。开发者定义可用路径，Jev则通过自然语言选择正确路径。

• 路由是Jev最直接实用的模式之一。单一自然语言输入可识别正确工具、推断预期操作并触发相应函数。John的待办事项和全功能栏演示展示了语音助手长期以来承诺却鲜有实现的快速灵活指令层。

• 分层分类通常比依赖单一完美决策更有效。John经常先运行一次分类，将结果输入另一个分类，随着真实使用数据积累再合并步骤。由于每次调用成本极低，增加额外处理环节可显著提升准确性而不会增加流程成本。

• 国际象棋基准测试让Jev的优势变得具体。它在不到一秒内分析完整局游戏，速度是低推理大语言模型的十倍，成本仅为四分之一且未牺牲准确性。当可能操作有限时，决策模型在关键指标上可优于生成模型。

• Jev使"高效低效"成为可行策略。评估每步国际象棋走法、映射维基百科每条路径或检查每个代理路径的碰撞看似浪费，但当每次决策都快速且廉价时，暴力分析可能比精心缩小搜索空间更简单有效。

• 了解何时不应使用 Jev 同样重要。Jev 在操作空间明确且需要将自然语言路由到该空间时表现最佳。创造性推理、开放式分析、头脑风暴和图像解释仍属于 LLMs 的范畴。最大的收益来自于有意识地结合这两种模型类型。

#### 本集博客和详细工作流程指南：

John Lindquist 的 6 个 Jev 工作流程（面向应用、数据和 AI 代理）：https://www.chatprd.ai/how-i-ai/john-lindquist-jev-workflows ↳ 如何使用 Jev 构建实时语音控制待办事项列表应用：https://www.chatprd.ai/how-i-ai/workflows/jev-voice-controlled-todo-app ↳ 如何使用 AI 决策模型去重和清理大型数据集：https://www.chatprd.ai/how-i-ai/workflows/jev-data-deduplication ↳ 如何使用 Jev 构建智能命令栏和应用路由：https://www.chatprd.ai/how-i-ai/workflows/jev-smart-command-bar-app-router

OpenAI 如何使用 ChatGPT Sites（DevDay 现场演示）| Kath Korevec（产品负责人）

由以下公司提供支持：Merge — 生产 AI 的连接基础设施 Vanta — 自动化合规并简化安全

Kath Korevec 是 OpenAI 产品团队成员，过去一年一直在内部构建和使用 ChatGPT Sites。在本集中，她演示了 OpenAI 如何利用 Sites 将实时 Slack、Notion 和日历数据转化为个性化的内部工具，包括一个能根据每位访客动态调整的事件指挥中心。她还展示了如何通过 Reddit 和 Spotify 自动发现音乐、通过共享技能构建社区地牢爬行游戏，并解释了快速模型如何改变人们创建个人软件的方式。

• Plugin Insights 可让一个网站自动为每位访客进行个性化适配。Kath 将事件指挥网站连接到 Slack 和 Notion，使其能通过访客的频道访问权限推断其所属团队，并仅显示相关事件和操作手册。连接器认证在无需自定义逻辑的情况下实现了个性化。

• 开发者无需自行编写连接器逻辑。当提示中提到协作、Notion、日历或其他连接工具时，Codex 可推断出合适的插件。Kath 经常使用“使用 Plugin Insights 构建这个网站”的表述，但表示 Codex 经常能自动选择正确的连接器，无需明确指示。

• Sites 是基础设施，而不仅仅是托管层。它包含 D1 存储、R2 存储桶、MCP 插件托管，并支持协同编辑。Kath 的团队使用它进行生产工作，包括 OpenAI DevDay 主题演讲中使用的幻灯片，而许多人仍将其视为原型工具。

• 软件现在可以是临时的，但仍值得构建。Kath 可能为一次商务旅行创建一个个性化网站，使用一周后丢弃。当开发开销足够低时，即使一个仅存活七天的工具也能提供有意义的价值。

• Kath 的自动化音乐发现工作流程展示了个人软件已经能够实现的功能。她的网站每周一通过计算机控制查找热门 Reddit 歌单，创建新的 Spotify 歌单并自动播放。在演示过程中，它推荐了一首她从未听过但真正喜欢的歌曲。

• 技能使社区能够在不访问代码库的情况下扩展应用程序。Kath 发布了一个地下城建造技能，该技能定义了房间尺寸、控制方式和结构。任何人都可以安装它，使用 Astra 创建主题房间，并将结果添加到她的共享地下城爬行器中。

• 更快速的模型可以让建造者更具创造力。Kath 和 Claire 都发现生成速度慢会打断创作思路，而即时结果则鼓励持续实验。在一次 Astra 超快速会话中，Claire 的孩子们不断提出请求，比如“水母腹部”和“加一只鸡”，而她始终保持创作节奏，没有中断。

• Kath 对以她名义行动的 AI 设立了明确界限。她使用 Codex 进行研究、思考和起草，但不会在未经她批准的情况下让 AI 邮件或消息他人。她的规则很简单：AI 可以协助准备沟通内容，但发送按钮始终由她掌控。

Kath Korevec 的 ChatGPT 网站工作流程：仪表板、音乐和游戏：https://www.chatprd.ai/how-i-ai/kath-korevec-chatgpt-sites-workflows ↳ 如何使用 ChatGPT 网站构建实时事件指挥仪表板：https://www.chatprd.ai/how-i-ai/workflows/chatgpt-sites-incident-dashboard ↳ 如何使用 AI 创建自动每周音乐发现歌单：https://www.chatprd.ai/how-i-ai/workflows/chatgpt-sites-weekly-music-playlist ↳ 如何使用 ChatGPT 网站和自定义技能创建协作式3D游戏：https://www.chatprd.ai/how-i-ai/workflows/chatgpt-sites-collaborative-3d-game

OpenAI Dev Day 2026：真正重要的发布

在这期独白节目中，Claire 分析了 OpenAI DevDay 上最重要的公告，并分享了她早期测试其中几个功能时的体验。她探讨了 Dots、Spaces 和 Sites 如何改变人与代理协作的方式，然后使用 Decisions API 选择更优质的播客缩略图，用 Astra 超快速功能构建协作草图板和互动3D世界。她还分享了哪些功能令人期待、哪些仍需改进，以及哪些新工具值得优先尝试。

• Dots 的能力远超表面看起来的样子，但该产品仍需时间成熟。Claire 的 Dots 完成了购物、编写代码，并主动发现孩子游泳时间表的冲突。结果令人印象深刻，但 Dots 线程、ChatGPT 对话和 Codex 之间的关系仍令人困惑，因此她正在等待弄清楚 Dots 的定位后再做出最终评价。

• ChatGPT Spaces 可能是 DevDay 上最被低估的公告。它为人类和代理提供了一个共享的工作空间，用于文档、幻灯片和其他文件，同时具备完善的权限管理和数据控制。Claire 最近刚开发了一个类似工具“Claire’s Notebook”，因为她认为这种工作流程存在缺失，而 OpenAI 的版本对她而言是 Google 的严重挑战。

• 集成插件的 Sites 为企业应对 AI 生成的内部工具洪流提供了可行方案。团队可以将 Snowflake 等连接器打包到可共享的应用程序中，同时保留每个用户的现有数据权限。授权员工只能看到相关信息，其他所有用户会自动被阻止访问。

• GPT-6.1 Sol 是成本敏感团队的有力工具。其价格为每百万输入令牌 2 美元、每百万输出令牌 10 美元，相比 Astra 的 10 美元和 50 美元更具成本优势。Claire 仍然为 Astra 支付溢价，因为她热爱使用它，但她认为 Sol 值得认真考虑用于日常工作。

• 将视觉功能添加到 Decisions API 中，解锁了全新的工作流程类别。Claire 用它扫描了 100 帧视频，并在大约十秒内识别出可用的缩略图画面。将快速且低成本的分类与视觉理解相结合，使原本繁琐的制作任务变成了一个基本解决的问题。

• Astra Ultrafast 虽然价格昂贵，但让 Claire 看到了未来的样子。与孩子进行一次互动会话的费用大约为 97 美元，但其实时 SVG 绘图板和自然语言 3D 游戏展示了产品中接近即时的代码生成体验。如果价格下降，这种速度水平可能会显著扩展人们能构建的内容范围。

• 平台基础功能可能比炫酷的演示更重要。Agents API 中的计算机使用、Codex 开发者工具、计划中的插件盈利模式，以及新的 Pro 500 计划，为开发者提供了可以长期构建的基础设施。能够使用与 Codex 相同底层架构的能力尤其具有重要意义。

• Claire 仍在使用 Grok Bots 进行日常工作，她并没有急于切换。她更倾向于将特定任务分配给功能明确的代理，而不是依赖一个代理完成所有工作。她的建议是尝试 Dots，并观察其主动模型在工作流程中如何找到合适的位置，而不是放弃已经有效的工作系统。

如果你喜欢这些内容，请回复告诉我你最想深入了解的主题：AI 工作流程、招聘、增长、产品策略——任何内容都可以。

下周同一时间再见，Lenny

附注：想要第一时间获取每一期新内容？在你最喜欢的播客应用上点击“关注”吧。

上一篇