Windows本地安装Jev模型本质是安装fast-browser-use包并调用ask_jev()函数，纯CPU轻量运行、无需显卡驱动和Hugging Face；需满足VC++2015–2022、Python≥3.10、CMD/PowerShell环境。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
Windows 上本地安装 Jev 模型，本质不是“部署模型文件”，而是安装 APUS 开源的 fast-browser-use Python 包，并调用其封装好的 ask_jev() 函数。它不依赖 Hugging Face、不加载 .bin/.gguf 权重、也不走 transformers pipeline。整个过程轻量、纯 CPU（默认 ONNX Runtime）、无需显卡驱动。
确认系统基础环境
确保以下三项已满足，否则后续会报错或静默失败：
- 已安装 Microsoft Visual C++ 2015–2022 运行库（官网下载最新版即可；缺失会导致
ImportError: DLL load failed） - Python 版本为 3.10 或更高（推荐 3.11/3.12；在命令行运行
python --version验证） - 使用标准 Windows 命令提示符（CMD）或 PowerShell，**不要用 Git Bash 或 WSL**（除非你明确想走 jev_local 方案）
安装 fast-browser-use 包
打开 CMD 或 PowerShell，逐行执行：
pip install --upgrade pip pip install fast-browser-use
安装过程约 10–30 秒，会自动下载并解压 ONNX Runtime CPU 推理引擎到 %LOCALAPPDATA%\fast-browser-use\runtime\onnxruntime.dll。首次调用时才触发解压，无需手动操作。
编写并运行调用脚本
新建一个 test_jev.py 文件，内容如下（注意字段名、类型、嵌套结构必须严格匹配）：
from fast_browser_use import ask_jev
<p>result = ask_jev(
state="用户说：这个订单要退款，请优先处理",
questions=[
{
"type": "choice",
"name": "intent",
"options": ["refund", "complaint", "inquiry"]
},
{
"type": "noul",
"name": "is_urgent"
}
]
)</p><p>print(result)</p><h1>输出示例：{"intent": "refund", "intent_confidence": 0.94, "is_urgent": 1.0, "is_urgent_confidence": 0.88}关键约束：
-
state必须是字符串，长度建议 ≤2048 字符（超长会被截断，不报错） -
questions是字典列表，每个元素必须含type和name；type只能是"choice"、"score"或"noul"（不是"bool"或"yesno"） - 填错字段名（如写成
"question"而非"questions"）或类型（如state传了 dict），会直接抛ValueError
常见问题与验证方法
如果运行报错，按顺序排查：
- 运行
python -c "import fast_browser_use; print('OK')"—— 若失败，说明包未装好或 VC++ 缺失 - 检查
%LOCALAPPDATA%\fast-browser-use\runtime\下是否存在onnxruntime.dll（首次调用后才生成） - 把
questions简化为仅含一个"choice"项，排除结构复杂导致的解析错误 - 避免中文路径或空格路径运行脚本（Windows 对某些 Unicode 路径支持不稳定）
不复杂但容易忽略。装完就能跑，没有模型文件要下载，也没有 CUDA/cuDNN 依赖。
