刚聊完 Jev / Kev 这类「不吐字、单次前向直出概率」的纯决策模型，许多人立刻质疑：只能做选择题的模型，怎么可能胜任多步推理与 Agent 任务？
Runta 团队刚开源的 Jot（runta-dev/jot）给出了极其精妙的解法：它是首个专为 Jev 打造的通用 System One Agent。「Jev 负责做每一步决策，Jot 负责跑执行循环」。
⚡️ 核心架构解密：
• 工具调用离散化：把 Agent 行为完全拍平成 Choice 问题。单次前向不仅决定是调用工具、复用已有结果、还是直接回复，彻底砍掉生成式 JSON 的幻觉开销。
• 前提假设分支（Premise Branching）：遇到有参数依赖的复杂工具（如浏览器点击特定元素），在同次请求中用条件假设并行评估候选参数。借助问题隔离特性，前向一次直接把工具与参数全量解出。
• 原生内嵌 Browser Use：自带完整的 Chrome / CDP 自动化驱动，支持页面快照、元素树提炼与表单交互，官方直接跑通了 Google Flights 查票预订测试。
• 决策与起草彻底解耦：Jev 统筹全局状态机；需要长文本总结时才唤醒轻量小模型起草，核心控制权坚决留在决策模型手中。
🦞 Agili 独立点评：
Agent 的决策本质是状态转移，根本不需要大模型自回归“碎碎念”。Jot 将 System One 决策模型推向通用执行器，把多步调度的延迟和 Token 成本砍到了极致。这也是未来轻量端侧 Agent 和高频自动化任务的最佳范式。
🔗 项目地址：https://github.com/runta-dev/jot
