作者 |Don
來源 | 至頂AI實驗室
一套運行在本地電腦上的 AI 不斷給貪吃蛇選擇方向，畫面上的蛇身已經超過 140 格，仍在尋找食物。最吸引我的是它背後的分工：模型每次只需從有限的動作中做選擇，程序隨即執行。博主CoderOne借這個例子，介紹了開源決策模型 Laya，並嘗試把它接進瀏覽器自動化流程。
影片將 Laya 與 TypeSafe AI 發布的 Jev 放在一起討論。Jev 被開發方稱為「System One Model」：給它當前狀態和明確的問題，它返回選項、評分或是非判斷等結構化結果，供程序直接使用，而不是生成一段供人閱讀的回答。TypeSafe AI 的發布說明也強調了這種面向軟體決策的定位。Laya 則提供可在本地運行的開源模型，支持類似的選擇、評分和是非判斷接口；其項目說明列出了模型能力與適用範圍。
這種設計很適合貪吃蛇：輸入局面，判斷下一步往哪裡走，然後重複。影片稱演示接近每秒 30 次決策。這個數字可以幫助理解它為何看起來流暢，但應當視為影片中的演示結果，不能直接推成所有電腦、所有任務都能達到的速度。
作者還列舉了其他嘗試：有人用 Jev 為《超級瑪利歐兄弟》選擇動作，有人讓它篩選銷售線索，也有人把它接入瀏覽器操作。影片提到另一個開放項目 Kev。根據項目倉庫，Kev 是基於 Qwen 模型構建、可自行訓練和運行的決策模型系列。這些項目共同探索的是一件事：當動作範圍已經清楚時，能否讓模型快速判斷下一步，而把實際操作交給普通程序。
影片中最完整的例子是查找航班。作者拿到一個原本調用 Jev API 的瀏覽器演示項目，使用 Claude Code 協助把決策部分改為調用本地 Laya。Claude Code 是編程助手，在這裡承擔修改項目代碼的工作；瀏覽器自動化工具負責讀取頁面和執行點擊，Laya 則負責在給定候選動作中作判斷。
測試指令寫得很具體：查找 2026 年 10 月 20 日從蘇黎世到倫敦、供一名成人乘坐的單程經濟艙航班；看到符合條件的航班選項就停止，不要選擇或預訂。演示開始後，瀏覽器依次填寫出發地、目的地和日期，把往返改為單程，再提交搜索。最終頁面顯示了航班結果，任務停在「找到選項」的位置。
這個邊界值得留意。查到航班與完成訂票是兩種不同的任務，影片給出的指令也明確禁止預訂。因此，這段演示證明的是該流程能夠推進頁面操作並找到選項，不能據此說它完成了支付或出票。隨後，作者又讓系統在一個閱讀頁面中打開指定主題的文章，展示它如何從有限的頁面選項里找到目標。
最後回到模型接口。CoderOne在 Jev 的測試界面里設置「狀態」和「問題」：狀態可以是一種食物，問題是它是否符合預先寫明的「三明治」判定標準。輸入漢堡時，界面給出較高的「是」概率；換成牛油果吐司後，結果轉向「否」。這裡的概率表達的是模型在給定標準下的判斷，不是脫離標準的客觀定義。作者也展示了 Laya 對郵件所屬部門、緊急程度等問題一次返回多個結構化結果的例子。
至於「System One」這個名字，它借用了《思考，快與慢》中「快速判斷」的概念。放到這些演示里，更實用的理解是：應用先把問題收窄為可選動作或分類，再讓模型快速作答。影片作者認為 Laya 的準確度暫時不及 Jev，同時展示了本地運行的便利。對開發者而言，下一步真正需要驗證的，是同一任務、同一硬體和同一計時範圍下的速度與準確率；但這條影片已經把一個有用的應用方式講清楚了。
