作者 |Don
来源 | 至顶AI实验室
一套运行在本地电脑上的 AI 不断给贪吃蛇选择方向，画面上的蛇身已经超过 140 格，仍在寻找食物。最吸引我的是它背后的分工：模型每次只需从有限的动作中做选择，程序随即执行。博主CoderOne借这个例子，介绍了开源决策模型 Laya，并尝试把它接进浏览器自动化流程。
视频将 Laya 与 TypeSafe AI 发布的 Jev 放在一起讨论。Jev 被开发方称为“System One Model”：给它当前状态和明确的问题，它返回选项、评分或是非判断等结构化结果，供程序直接使用，而不是生成一段供人阅读的回答。TypeSafe AI 的发布说明也强调了这种面向软件决策的定位。Laya 则提供可在本地运行的开放模型，支持类似的选择、评分和是非判断接口；其项目说明列出了模型能力与适用范围。
这种设计很适合贪吃蛇：输入局面，判断下一步往哪里走，然后重复。视频称演示接近每秒 30 次决策。这个数字可以帮助理解它为何看起来流畅，但应当视为视频中的演示结果，不能直接推成所有电脑、所有任务都能达到的速度。
作者还列举了其他尝试：有人用 Jev 为《超级马力欧兄弟》选择动作，有人让它筛选销售线索，也有人把它接入浏览器操作。视频提到另一个开放项目 Kev。根据项目仓库，Kev 是基于 Qwen 模型构建、可自行训练和运行的决策模型系列。这些项目共同探索的是一件事：当动作范围已经清楚时，能否让模型快速判断下一步，而把实际操作交给普通程序。
视频中最完整的例子是查找航班。作者拿到一个原本调用 Jev API 的浏览器演示项目，使用 Claude Code 协助把决策部分改为调用本地 Laya。Claude Code 是编程助手，在这里承担修改项目代码的工作；浏览器自动化工具负责读取页面和执行点击，Laya 则负责在给定候选动作中作判断。
测试指令写得很具体：查找 2026 年 10 月 20 日从苏黎世到伦敦、供一名成人乘坐的单程经济舱航班；看到符合条件的航班选项就停止，不要选择或预订。演示开始后，浏览器依次填写出发地、目的地和日期，把往返改为单程，再提交搜索。最终页面显示了航班结果，任务停在“找到选项”的位置。
这个边界值得留意。查到航班与完成订票是两种不同的任务，视频给出的指令也明确禁止预订。因此，这段演示证明的是该流程能够推进页面操作并找到选项，不能据此说它完成了支付或出票。随后，作者又让系统在一个阅读页面中打开指定主题的文章，展示它如何从有限的页面选项里找到目标。
最后回到模型接口。CoderOne在 Jev 的测试界面里设置“状态”和“问题”：状态可以是一种食物，问题是它是否符合预先写明的“三明治”判定标准。输入汉堡时，界面给出较高的“是”概率；换成牛油果吐司后，结果转向“否”。这里的概率表达的是模型在给定标准下的判断，不是脱离标准的客观定义。作者也展示了 Laya 对邮件所属部门、紧急程度等问题一次返回多个结构化结果的例子。
至于“System One”这个名字，它借用了《思考，快与慢》中“快速判断”的概念。放到这些演示里，更实用的理解是：应用先把问题收窄为可选动作或分类，再让模型快速作答。视频作者认为 Laya 的准确度暂时不及 Jev，同时展示了本地运行的便利。对开发者而言，下一步真正需要验证的，是同一任务、同一硬件和同一计时范围下的速度与准确率；但这条视频已经把一个有用的应用方式讲清楚了。
