诱惑我小妈

成都蓉城憾负申花！媒体人热议：国安或创奇迹，夺冠约翰也该下课_我的网站

一 |     智猩猩AI整理     编辑：没方               最近在折腾几款 AI 编程工具，很多人第一反应都是问背后用的是GPT-5.6 Sol还是Claude Fable 5。

二 |     主场以4比5的比分负于上海申花之后，成都蓉城在积分榜上的领先优势缩小为10分。                   但相同模型，放进不同的编程工具里，表现可能完全不一样。

三 |                    有的 Agent 能连续工作几个小时，写完代码还知道运行测试、检查结果、继续优化。                   有的写了几十行代码，就告诉你任务已经完成。凤凰山球场响起了约翰下课的喊声，成都蓉城的低迷表现也引发了媒体人的热议。等真正运行项目，才发现测试没跑、依赖没装，甚至文件都改错了。                   模型明明没有变，差距从哪来？                    答案可能藏在模型外面的那层 Agent Harness 里，可以理解为包裹在大模型外部的“智能体运行系统”。         在贺一然开场2分钟破门，两次比分领先的情况下，成都蓉城连丢5球。                   它负责把模型、上下文、记忆、工具、权限、终端界面、任务调度和多智能体协作串联起来。最后时刻，费利佩两次打入点球，成都蓉城最终以4比5的比分告负。         近8场中超，成都蓉城仅取得1胜5平2负的成绩，仅拿到了8分。24轮之后，成都蓉城以48分领跑，但仅比排名次席的北京国安多出10分。         比赛还没有结束，记者马德兴指出，“在成都蓉城丢第五球的几乎差不多时间，北京国安攻入第二球，2比0领先云南玉昆。如此下去，这一轮打完，比分不变的话，国安差成都蓉城就只有10分了，还剩六轮的情况下，国安是不是有机会去创造一个奇迹呢？把薪酬赶紧补齐了，这种可能性应该大的吧？”          比赛结束之后，马德兴表示，“成都蓉城4比5主场输给上海申花，下半赛季的表现是一塌糊涂！国安3比2领先云南玉昆，保持住，机会就来了哈。                   模型决定 Agent 的能力下限，而 Harness 则在很大程度上决定模型能够稳定工作多久、一次能处理多复杂的任务，以及最终能把多少智能转化成真实生产力。                   今天刷github日趋榜，看到了个名叫 jcode 的开源项目，正试图把 Agent 这层外壳推到更远。                             它是一套使用 Rust 构建的终端 Coding Agent Harness，主打多会话工作流、持久记忆、多智能体协作、高度自定义和低资源占用。

四 | 在github上已经收获10k stars。”          博主魏老师则认为，“又输一场，不过联赛还有6轮了，夺冠应该还是稳的。

五 |          项目链接：           https://github.com/1jehuang/jcode                         01          从单次对话，走向          长期运行的Agent工作系统                    记忆系统是jcode的一大杀手锏，下面这段演示视频可以直观看到它的记忆召回效果：                    播放          下一个          打开循环播放          00:00     /     00:00          倍速          3.0X     2.0X     1.5X     1.25X     1.0X     0.75X     0.5X          多音轨          AirPlay          0          静音播放中，点击 恢复音量          画中画          网页全屏          全屏          你可以 刷新 试试          视频信息     1.33.6          播放信息 上传日志 调试信息 [X]          视频ID     VID     -          播放流水     Flowid     -          播放内核     Kernel     -          显示器信息     Res     -          帧数     -          缓冲健康度     -          网络活动     net     -          视频分辨率     -          编码     Codec     -          mystery     mystery     -          按住画面移动小窗          jcode 记忆功能演示                    它会将每轮对话转换为语义向量，并利用记忆图谱管理这些信息。当新任务到来时，系统会通过余弦相似度检索与当前对话有关的记忆，再将命中的信息注入上下文。

六 | 阿洛伊西现在应该不至于下课，但蓉城也要早做一些打算和计划了。”          博主杰夫则认为，“这比分搁谁身上都窝火。

七 |                    为了降低“相似但不相关”的记忆干扰，jcode还可以调用独立的Memory Sideagent，对召回内容进行二次判断。打进攻的教练，进攻端没看到什么章法，防守端倒是挺“开放”的——申花下半场进一个是一个，跟过清晨的马路一样。

八 |                    这个Sideagent既可以验证记忆是否真正相关，也可以继续执行信息检索，再把整理后的结果交给主Agent。右路被阿苏埃打穿了四次，愣是没调整，临场指挥像是被按了暂停键。约翰下课！”。                   记忆的写入也不完全依赖用户操作。                   当对话发生明显语义漂移、间隔一定轮次或者会话结束时，记忆Sideagent可以从对话中抽取值得长期保存的信息，写入记忆图谱。                   在后台模式（Ambient Mode）下，系统还会定期整理和整合记忆，检查过期信息与潜在冲突。                   jcode将多会话工作流作为核心设计目标。                   用户可以让jcode作为后台服务器持续运行，再从不同终端连接到同一服务。

九 | 多个会话可以复用同一个后台服务，并由服务端统一管理会话连接、Agent通信和协作状态，而不需要为每个终端都重新启动一套完整的运行环境。                   根据项目公布的自测结果，按照PSS内存指标计算，在关闭本地嵌入功能时，jcode运行一个活跃会话的内存占用约为27.8MB。而Claude Code约为386.6MB，约是 jcode 的13.9倍。                             当活跃会话增加到10个时，两者的资源差距更加明显：jcode的内存占用约为117MB，Claude Code则达到约2300.6MB，约为jcode的19.7倍。                   从会话扩展成本来看，jcode每增加一个会话，额外内存占用约为9.9MB；Claude Code每增加一个会话则需要约212.7MB，约为jcode的21.5倍。                             jcode的另一项重要能力，是原生Swarm多智能体协作。                   当Agent A修改了Agent B此前读取过的文件，服务器会主动通知Agent B，提醒它当前代码已经发生变化。Agent B可以根据任务相关性忽略提醒，也可以查看Diff，确认自己的修改是否需要调整。                   Swarm协作文件变更通知                    不同Agent之间还可以发送私信、广播消息和同步任务状态。主Agent也能够自主创建新的Agent团队，把工作拆分给不同成员并行处理，自己则转变为负责规划、调度和汇总结果的协调者。                   为了降低大仓库中的上下文消耗，jcode还开发了面向Agent的代码搜索工具Agent Grep。                   该工具会在搜索结果中加入文件结构、函数列表和函数所在位置等信息，让模型在不读取全文的情况下，大致判断相关代码承担什么作用。                   还会根据Agent已经看过的内容，自适应地截断重复搜索结果。                   Skills也采用了类似的按需加载思路。jcode不会在启动时把所有Skill完整写入上下文，而是对当前对话进行语义匹配，在检索到相关Skill时再自动注入。

十 |                    用户和Agent仍然可以通过工具或斜杠命令手动激活Skill，但无关的说明不会长期占据上下文窗口。                   浏览器能力同样纳入了Harness设计。目前jcode内置的浏览器工具主要通过Firefox Agent Bridge工作，可以执行打开页面、获取内容、点击、输入、填写表单、截图、滚动和上传文件等操作。                   jcode最有趣的功能是Self-Dev模式。

十一 |                    进入这一模式后，Agent可以直接修改jcode自身的源代码，随后完成构建和测试，重新加载生成的二进制程序，并继续处理原有的一个或多个会话。                   如果用户不满意界面布局、工具行为或者某项工作流，可以让Agent直接修改Harness本身，而不必完全等待项目维护者提供新功能。                   这让人想到翁荔最近提出的一个判断，在模型能够稳定修改自身权重之前，AI的自我改进可能会率先发生在Harness层。《DeepSeek崔添翼力挺翁荔最新长文：AI自进化先从Harness开始》                    jcode的Self-Dev正是提供了象征意义的工程样本。                   02          安装教程                    （1）macOS 和 Linux          `curl -fsSL https://jcode.sh/install | bash`                    （2）Windows 11          `irm https://jcode.sh/install.ps1 | iex`                    安装完成后，在终端输入 `jcode` 即可启动交互式界面。                   03          总结                    总的来说，jcode能够为Coding Agent搭建一套更完整的工作系统，让智能体记得更久、协作得更好，也能在用户授权下按需改造自己的运行环境。

Current article:http://0hsp.cengzaodengchawonin.cyou/m8rqc7/20260826/27000.html

Published on:19:26:37