文章总结： CyberStrikeAI新增Jev模型支持，用于Agent操作审批。Jev是TypeSafe推出的SystemOneModel，输出结构化结果，延迟约70-500ms，成本低。第一阶段用于Agent操作审批，输出allow、confirm、review、deny四种结果。未来计划尝试上下文压缩、敏感操作审批、下一步决策优先级、浏览器操作、完成度检查等方向。 综合评分： 85 文章分类： AI安全,安全工具,安全运营

CyberStrikeAI 新增 Jev 模型支持：给 Agent 每一步操作加一层快速审批

原创

低调学安全 低调学安全

低调学安全

2026年9月22日 22:00 北京

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

CyberStrikeAI 新增 Jev 模型支持，用来为 Agent 的每一次关键操作提供快速审批。

我的判断是：安全 Agent 不只要会规划、会执行，还要在真正动手前先判断“这一步该不该做”。Jev 负责的就是这个位置：基于当前状态、候选动作、规则约束和风险信息，快速返回允许、确认、复核或拒绝。

为什么需要一个审批模型

CyberStrikeAI 是 AI 原生网络安全执行中枢，不是普通聊天机器人。

它可以连接 MCP 工具、执行安全扫描、管理 WebShell、编排多 Agent、沉淀证据，也可以在授权环境中处理高风险安全任务。这意味着 Agent 的每一步工具调用，都可能影响真实系统、真实资产和真实审计结果。

过去，CyberStrikeAI 已经提供了审批模式、工具白名单、审计 Agent、正则拦截、RBAC、审计日志等治理能力。这些能力解决的是“谁能用”“能不能用”“是否命中明确规则”的问题。

但 Agent 执行里还有大量灰度判断：

• 这个命令本身不危险，但结合上下文是否应该人工确认？
• 这个扫描目标是否仍在授权范围内？
• 这段工具输出是否值得继续保留？
• 当前应该继续推进，还是切换为更严格的复核？
• 浏览器自动化下一步应该点击、输入、等待，还是停下来确认？

这些问题不适合完全靠硬编码规则解决，也不适合每次都调用大型通用模型写一段长回答。

我需要一个更轻、更快、输出更稳定的判断层。这就是 CyberStrikeAI 新增 Jev 的核心原因。

Jev 和传统大模型有什么不同

传统大语言模型以“生成”为中心。它擅长写代码、解释问题、规划任务、总结证据，但它的输出本质上仍是 token 生成。用于高频微决策时，会遇到几个问题：

• 输出是字符串，需要解析、约束和校验；
• 延迟和输出长度强相关；
• output token 往往更贵；
• 即使要求 JSON，也仍然是在生成文本；
• 大量小判断会放大成本和响应时间。

Jev 的思路不同。

TypeSafe 将 Jev 描述为 System One Model：输入软件状态和 typed questions，输出 choice、score、boolean probability、confidence 等结构化结果。它不追求写一段漂亮回答，而是把问题变成可组合、可记录、可阈值化的判断。

一个简单对比：

| 维度 | 传统通用大模型 | Jev | | — | — | — | | 核心能力 | 生成、解释、规划、总结 | 分类、路由、审批、打分 | | 输出形式 | 文本为主 | 类型化结果、概率、置信度 | | 延迟特点 | 依赖输出长度 | 面向短决策，公开口径约 70ms-500ms | | 成本结构 | 通常 input/output 都计费 | 公开标价为 input 计费，output 免费 | | 在 CyberStrikeAI 中的角色 | 主 Agent、审计 Agent、报告生成 | 每次操作前后的轻量决策层 |

根据 TypeSafe 公开信息，Jev 的价格口径为每 100 万 input tokens 0.042 美元，输出不额外计费。Vercel AI Gateway 也已收录 typesafe-ai/jev，并将其定位为用于分类、路由、评估和自动验证的结构化决策模型。

第一阶段：审批 Agent 每一次操作

CyberStrikeAI 接入 Jev 后，第一阶段会优先用于 Agent 操作审批。

当 Agent 准备执行工具调用时，系统会整理审批上下文，包括工具名称、操作意图、参数摘要、可能副作用、是否可逆、当前授权范围、命中的安全策略和历史关键证据。

Jev 会基于这些信息输出结构化结果，例如：

• allow：低风险，可继续；
• confirm：需要用户确认；
• review：进入更严格的审计流程；
• deny：不应执行。

这不是替代已有安全规则，而是补上规则难以覆盖的语义判断。

明确禁止的目标或模式，仍然由硬规则直接拦截；用户权限、角色、资源范围，仍然由 RBAC 控制；高风险工具和敏感动作，仍然保留人工审批。Jev 的价值，是在这些确定性控制之外，增加一层上下文感知的快速判断。

安全系统里，可靠性从来不是“相信某一个模型”，而是让规则、权限、审计、人工确认和模型判断互相配合。

对用户的直接价值

第一，操作更稳。

Agent 不再只是“想做就做”，而是在关键动作前多一次轻量判断。尤其是命令执行、外部 MCP、WebShell、C2、批量扫描、文件修改等场景，审批模型可以识别硬规则未必覆盖的上下文风险。

第二，等待更少。

如果每个小决策都交给传统大模型，用户会感受到明显延迟。Jev 面向短判断和结构化结果，适合高频插入执行链路，在用户几乎无感的情况下增加治理。

第三，成本更可控。

安全 Agent 的任务不是一次问答，而是长时间、多轮、多工具、多证据的连续执行。审批如果太贵，只能覆盖少数高风险节点；审批足够便宜，才可能覆盖更多普通步骤。

第四，审计更清晰。

Jev 的结果是结构化的：选择、概率、置信度、风险等级。这比“模型觉得可以”更容易进入日志、看板、回放和复盘，也更方便团队建立阈值策略。

接下来想尝试的方向

审批只是第一步。围绕 Jev，我还想在更多 Agent 执行场景里做一些小范围尝试，看看它能不能稳定承担轻量决策层的角色。

1. 上下文压缩

运行长任务时，上下文会迅速膨胀。一次安全测试可能包含扫描输出、文件读取、命令结果、网页内容、报错日志和中间尝试。很多内容当时有用，几轮之后就变成噪音。

我也关注到 fast-jev-compaction 这个项目：它尝试利用 Jev 快速判断每一轮工具调用的保留价值，剔除无效日志，仅保留关键状态、关键证据和仍然有用的工具结果。这个项目也获得了 Jev 官方团队的转发赞赏。

受这个启发，我也想在 CyberStrikeAI 里尝试面向安全任务的上下文压缩：保留授权范围、目标边界、漏洞证据、请求响应和关键结论；删除重复搜索、过期输出和无效尝试；同时尽量保证压缩前后仍可审计。

2. 敏感操作审批

读取公开页面、执行无害探测、发起目录枚举、修改文件、上传 payload、进入 WebShell、执行 C2 任务，它们的风险差异很大。

所以我也想尝试让 Jev 参与敏感操作动态分级：低风险自动放行，中风险要求确认，高风险进入人工复核，超出授权范围直接拒绝，不确定时优先保守处理。

3. 下一步决策优先级

复杂任务里，Agent 经常会面临多个候选动作：继续枚举资产、验证漏洞、收集证据、切换工具、生成报告，或者请求用户确认范围。

这里也可以尝试把 Jev 当作轻量路由器，对候选动作进行打分和排序，让主模型把注意力放在真正需要推理和生成的部分。

我希望最终形成一种更高效的执行节奏：主模型负责理解复杂目标，Jev 负责高频选择和风险分流，工具层负责确定性执行，审计层负责证据闭环。

4. 浏览器操作

浏览器自动化很有用，但也容易出错：点错按钮、提交错误表单、误触删除、进入未授权页面，都会带来风险。

我想尝试让 Jev 参与这类下一步动作选择：当前页面是否符合任务目标？这个按钮是否会产生不可逆后果？是否应该点击、输入、等待，还是请求用户确认？当前浏览器状态是否已经偏离授权范围？

如果效果稳定，它可以成为浏览器工作流里的一个辅助判断点：让自动化不只是能操作页面，也能在关键节点停下来判断。

5. 完成度检查

安全任务里经常会遇到一种情况：看起来已经完成了，但证据还不够。

所以我也想尝试完成度检查：在 Agent 准备汇报结果前，根据目标、已完成工作、证据和已知缺口判断是否已经足够交付。

例如，是否已经验证漏洞存在、是否保存了足够证据、是否覆盖了用户要求的资产范围、是否还有阻塞项没有说明。

最后

CyberStrikeAI 新增 Jev，是一次围绕 Agent 安全治理的升级。

它的价值不在于替代主模型，而在于成为执行链路里的轻量决策层：更快地判断、更便宜地覆盖、更清晰地记录。

对我来说，AI 安全产品的下一阶段，不只是让 Agent 更聪明，也要让 Agent 在真实环境中更可控、更可审计、更值得信任。

CyberStrikeAI 会围绕这个方向继续验证和迭代：让意图转化为受治理的行动，让证据沉淀为运营记忆，并让每一次行动优化下一次行动。

参考资料：

• TypeSafe AI：《Introducing System One Models & Jev》，2026-09-15。 https://typesafe.ai/blog/introducing-system-one-models-and-jev
• TypeSafe AI 官网 Jev 介绍与公开价格信息。 https://typesafe.ai/
• Vercel AI Gateway：typesafe-ai/jev 模型页面。 https://vercel.com/ai-gateway/models/jev
• JevList：fast-jev-compaction 项目介绍。 https://jevlist.ai/projects/fast-jev-compaction

十三群二维码

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：低调学安全 低调学安全 低调学安全《CyberStrikeAI 新增 Jev 模型支持：给 Agent 每一步操作加一层快速审批》