1. 用 Jev 決定下一個操作#

Jev 不產生文字，而是處理 noul、choice、score 這類決策。瀏覽器每一步通常只是判斷「完成了嗎」、「需要登入嗎」、「下一個點哪個」，因此比一般 LLM 更適合這種場景。

一次請求可以共用同一份 state，同時詢問多個問題：

1
import os
2
import requests
3

4
def ask(state, questions):
5
    response = requests.post(
6
        "<https://openrouter.ai/api/alpha/decisions>",
7
        headers={
8
            "Authorization": f"Bearer {os.environ['OPENROUTER_API_KEY']}"
9
        },
10
        json={
11
            "model": "typesafe/jev-1.13",
12
            "state": state,
13
            "questions": questions,
14
        },
15
        timeout=30,
16
    )
17
    response.raise_for_status()
18
    return response.json()["answers"]

候選元素太多時，不要一次全部丟給 Jev。可以每 40 個元素分組，各組留下前幾名，再進行下一輪選擇。

2. 用 Playwright 擷取與操作頁面#

Playwright 負責掃描頁面、iframe、影片與可點擊元素，再整理成 Jev 能判斷的文字：

1
<button> 下一步 @ bottom-center
2
<button> 設定 @ top-right [highlighted]
3
<div> 閱讀更多 @ middle-center

元素來源不能只掃 button，實務上還需要包含：

• a、[role=button]
• cursor: pointer
• class 含 btn、next、arrow
• elementFromPoint() 掃描出的可互動元素
• 多層 iframe 內的元素 像 Articulate Storyline 這類工具，畫面上的按鈕可能只是圖片，真正帶名稱的是下面的透明元素。這時不能直接呼叫元素的 click()，而是取得座標後用滑鼠點擊。

3. 建立固定決策迴圈#

每一步只做幾件事：

1. 擷取目前頁面與候選元素。
2. 判斷是否需要登入。
3. 處理正在播放的影片。
4. 處理單選、複選或設定檔中的文字答案。
5. 問 Jev 是否完成，以及下一步點哪個。
6. 點擊後等待頁面穩定。
7. 偵測重複操作，避免無限迴圈。

1
flowchart TD
2
    A[擷取頁面] --> B{需要登入？}
3
    B -->|是| C[等待人工登入]
4
    B -->|否| D[處理影片與題目]
5
    C --> D
6
    D --> E[Jev 選擇下一步]
7
    E --> F{敏感操作？}
8
    F -->|是| G[人工確認]
9
    F -->|否| H[執行操作]
10
    G --> H
11
    H --> I{完成？}
12
    I -->|否| A
13
    I -->|是| J[結束]

4. 保留人工接手機制#

全自動很容易卡在未知介面，因此設計重點不是「完全不需要人」，而是讓人只處理 Jev 不知道的部分。

實作上保留：

• 等待選項：沒有合理操作時先等待，不亂點。
• 低信心詢問：信心低於門檻時讓人選。
• 安全確認：送出、退出、刪除等操作先確認。
• 人工提示：把使用者提示加入下一輪 state。
• 記住按鈕：人工點過一次後，記住文字供後續優先選擇。 例如「資訊要點 1、2、3」可以忽略數字與標點後統一視為「資訊要點」，避免每個同類按鈕都重新詢問。