拆过 agent 工作流的人心里都有数：一个“看起来智能”的自动化流程，真正需要大模型智商的时刻没几个——规划一次、生成一次，剩下的全是重复判断：这段输出合格吗？页面加载完了吗？要不要重试？这些判断本质上是代码里的 if 语句，只不过条件是语义的（“这段话有没有答非所问”），传统代码写不出来，于是大家习惯性地全塞给大模型。
这就是信息差所在：判断不需要智商，需要的是一致性。一个几 B 参数的小模型，判断“行/不行”这种事已经足够稳，成本却低几个数量级。这个玩法在海外社区火到什么程度？本周 HN 首页挂着一篇 1187 分的热帖《I built non-autoregressive decision models with RL a year ago》，作者自述一年前就在做 RL 驱动的非自回归决策模型——技术储备早就有了，现在轮到应用层开花。而新星榜上的 SemIf 甚至在简介里专门声明“独立项目，与 TypeSafe 无关”——一个新仓库火到要主动发免责声明，说明这条赛道已经挤满了人。
它是什么：仓库一句话介绍——"Semantic ifs from open models, on a 3090 at home"（用开源模型做语义 if，家用 3090 就能跑）。也就是说，你在 Dify/Coze 里配的那种“条件分支”节点，它用本地开源小模型来实现：条件不再是关键词匹配，而是你用自然语言写的语义规则，小模型在本地给出判断。
它是什么：仓库原话给出了完整路线："OCR the screen, classify the next action with TypeSafe, click"——截屏后先 OCR 成文字，再用 TypeSafe 分类器判断下一步动作，然后执行点击。它绕开了“每一步都把截图扔给多模态大模型”的昂贵路线，据仓库宣称每步成本约 0.0002 美元。
价格对比：按主流厂商 computer use 类 API 公开定价粗估，每步通常在几美分量级（具体以各家官网为准，未逐家核实）。同样跑 1000 步，一边约几十美元，一边约 0.2 美元，量级差两三百倍。
为什么值得关注：computer use 这条赛道海外吵了一年安全性和可靠性，但真正决定它能不能进生产的其实是单价。小模型路线相当于从后门把价格打下来了。国内做桌面自动化的同学，要么用按坐席年费计价的 RPA 产品，要么硬调多模态大模型，这条“OCR + 分类器”的便宜路线值得抄。
flowchart TD
A["任务进来"] --> B["大模型做规划"]
B --> C["Agent执行动作"]
C --> D["产生中间结果"]
D --> E{"判断层<br/>本地小模型"}
E -->|语义通过| F["继续下一步"]
E -->|不达标| G["打回重做"]
G --> C
F --> H{"还有后续?<br/>语义if"}
H -->|是| B
H -->|否| I["交付结果"]
