jev-act 的用途是在浏览器、桌面、游戏或模拟环境中，从给定的合法候选中选择一个下一步动作。使用者需要提供最新的观察状态和当前可用的动作集合，技能本身不负责收集状态或执行动作，这些由宿主或模拟器完成。
主要能力围绕“选择下一个动作”展开。它可以从工作流示例中学习，针对设计类请求浏览场景索引、阅读相关指南与输入/输出示例，并比较或组合不同模式；示例被定位为灵感来源而非封闭菜单。对于熟悉且直接的决策，可以直接套用现成配方。Jev 可用于初步、重复或批量的判断，但整体工作仍需使用者主导，包括阅读证据、设计工作流、抽查结果（含自信或一致的标签）以及自行分析与综合。
使用方式分为服务选择与调用两部分。服务需一次性选定并保持不变：A 为通过 OpenRouter（OPENROUTER_API_KEY）或 TypeSafe（TYPESAFE_API_KEY）使用真实 Jev；B 为使用当前智能体或明确选择的可用模型（如 DeepSeek）进行模拟。未设定时须询问用户并等待同意，出错不代表可自行切换。仅检查密钥是否存在，不读取其值；真实调用会发送证据并产生费用，发送私密数据前需获得批准。模拟模式下跳过 CLI/API 调用，标记 agent_simulation 或 model_simulation，在可用时标明实际模型，设置 jev_called: false、probability: null、confidence: null，并返回取值、基于证据的理由和 needs_review；证据缺失时使用 null/review，不得编造 Jev 输出或概率。真实调用时使用已有的 jev-decide CLI，并指定 --provider openrouter 或 --provider typesafe；若不存在则说明依赖，不可静默安装。--dry-run 为离线验证，不是判断。退出码 0 表示已选择/已评分，2 表示需审查，1 表示错误。每个取值都要读取：false Noul 仍为 false。选择不等于授权，置信度不等于准确率，未知与需审查路径需保留。
首次请求可参考示例进行适配。共享 CLI 需要 Python 3.10+，无需同系列技能。宿主工具仍负责收集与执行动作。需将 <skill-dir> 解析为当前安装目录，先执行 jev-decide decide <skill-dir>/assets/example.json --dry-run 进行离线验证，获得批准后再发送编辑后的请求并指定所选 provider。
模式选择上，浏览器或桌面场景读取 UI 步骤并以 UI 请求开始；游戏或模拟场景读取世界步骤并以世界请求开始。只能使用当前模式，模拟世界不代表有权操作真实账户。宿主负责验证动作合法性、检查新鲜度并应用结果。
上下文与并行方面，Jev 不继承智能体的历史记录，因此请求中需包含目标、规则、最新上下文、合法候选和相关结果。可将相互独立的检查批量放在同一请求中，仅对独立请求使用有界并发，调度由宿主负责。执行动作后需等待新的观察结果，再提出依赖性问题。
适用场景包括浏览器操作决策、桌面操作决策、游戏或模拟环境中的动作选择，以及需要批量或重复判断的工作流。限制在于：不负责状态收集与动作执行；不继承历史上下文；真实调用会产生费用并需用户批准；模拟模式不得声称是真实 Jev 输出；不提供安装依赖；不得将模拟世界权限用于真实账户。具体收费、价格、平台支持范围等事实资料未提供。