1. 三个不同的东西
JavaScript 在浏览器里执行，用来读取 DOM。JSON 记录页面文字、元素及问题，通过 HTTP 发给 Jev。这里没有把网页转换成 Java 程序。
Choice 是问题类型。CLICK / TYPE_TEXT / SCROLL_DOWN 是操作题的候选答案。SCROLL 也由一道 Choice 决定。
证据回放 · 非正在控制浏览器Google 段为教学示例；X 段为 2026-09-23 真实运行的匿名化回放。此页面不调用 Jev。
网页观察
本步请求（账号已匿名化）与原始回答（可复制核对）
历史 JSON request（账号信息已匿名化）
Jev raw_answers
真正运行原版 snapshot.js · 不调用模型
改一个网页元素，看输入怎么变
左边是本地教学网页，右边是原版提取脚本的结果。JavaScript 负责读取 DOM；JSON 是之后发给 Jev 的数据格式。
更改上方选项后，点“重新提取”。也可以在左侧输入文字或滚动，再提取比较。
这张教学网页的 HTML
等待读取
原版 snapshot 的 actions
发给模型前的 elements（按 model.py 重排）
SOURCE-BASED EXPLANATION
代码管流程，Jev 做有边界的选择。
2. 怎么把页面缩成列表
snapshot.js 找按钮、链接、输入框等控件，排除隐藏、禁用、密码与文件输入等；控件中心必须在视口内。保留角色、标签、当前值、状态、位置与内部节点标识。可见文字上限 6,000 字符；普通候选动作最多 250 个，截断数单独记录。
model.py 再把同一 DOM 节点的 fill / click 合并成一个元素编号，并为不同操作列出合法目标。位置、DOM 引用与保护数据留在执行端，Jev 接收精简 elements。
3. 一次请求，可以有多道题
operation 问“下一步做什么”；click_target 问“如果点击，点哪个”；type_text_target 问“如果输入，填哪个”。页面有下拉选择时还会有 select_target。
这些题基于同一状态分别作答，目标题不是先看了 operation 答案才回答。程序只读取最终选中操作对应的目标。未采用的题并不产生动作。
4. 原始输出的边界
每题返回 choice、probabilities、confidence。confidence 描述概率分布的集中程度，不是任务正确率。Jev 不返回文字思维过程；本页的中文说明明确是助手解读。
读取“回答”页可查看所有候选和概率，包括未采用的目标题。合法输出仍可能作出不合适的动作，因此还需要页面核验。
5. 文字与执行由谁完成
Jev 选择输入框，但不生成搜索词。官方实现用独立文本模型；这次历史试验通过本地桥接让当前 Codex 提供 Elon Musk。浏览器实际执行输入、点击、选择或鼠标滚轮事件。
SCROLL_DOWN 的 560 像素来自代码预设。页面发生变化时先拒绝过期决定，重新观察，不盲目重试点击。执行后先记动作，再读取结果。
6. 为什么这样设计
代码把无限网页操作缩成当前可观察、可执行的候选；模型不生成选择器、脚本或任意浏览器命令。操作与目标同批提问减少串行往返，这是架构上的设计理由。
本学习台没有新跑速度基准，不证明“UltraFast”在每个网站都更快。旧记录中还有文字交接等待、动态页面与两次 StalePage，不能只看模型接口延迟。
采用与不采用
适合学习结构化网页代理、排查“选了但没执行”、核对目标映射。采用真实请求与回答、原版 DOM 提取器和可复查编号；没有把历史返回包装成今天的实时调用，没有为 Google 编造概率，也没有从源码推测模型内部思维。
来源与版本
- browser-use/jev-ultrafast · 本地固定版本，2026-09-27 重新审读 snapshot.js、model.py、questions.py、browser.py、agent.py。
- TypeSafe Choice 与 HTTP API，2026-09-27 在线核对。
- 历史证据：codex-bridge/runs/x-elon-trace-05/{profile,latest}/*.prediction.json、*.after.json、trace.json、verification.json。原始文件保留在本地；公开请求文本已匿名化，选择、概率与编号不变。
未验证边界
Google → X 的前四步只作教学示例，旧记录中仅有 Google 准备阶段的局部操作记录，没有对应 Jev 请求。X 的中间步骤没有逐帧截图，控件位置图依据真实 DOM 快照重建；公开版已省略包含登录账号画面的阶段末截图；原版仅在本地保留。没有新执行完整联网任务、调用 Jev、量化提速或证明稳定成功率。本地实验页不是 Google / X 的实际页面。