我日常工作会同时开好几个 AI 编程会话：一个改后端，一个调前端，一个写脚本。但机器内存只有 16GB，开三个 Claude Code 会话就开始风扇狂转，开五个基本就卡得没法用了。
然后我发现了 jcode。Rust 写的 coding agent harness，单 session 占用 27.8 MB，冷启动 14ms，10 个 session 并行也才 117 MB。GitHub 周增 3550 Star。
我把它装在一台老 MacBook Air 上试了一周。今天聊聊这个工具到底怎么把内存压下来的，以及它适合谁。
一、先上硬数据
我根据公开 benchmark 整理了一张对比表：
| Harness | 单 session 内存 | 10 sessions 内存 | 冷启动时间 |
|---|---|---|---|
| jcode（关 embedding） | 27.8 MB | 117 MB | 14 ms |
| jcode（开 embedding） | 167.1 MB | 260.8 MB | 约 50 ms |
| Codex CLI | 140.0 MB | 334.8 MB | 882 ms |
| Cursor Agent | 214.9 MB | 约 1.9 GB | 1,949 ms |
| Claude Code | 386.6 MB | 约 2.3 GB | 3,436 ms |
| OpenCode | 371.5 MB | 3,237 MB | 1,035 ms |
最直观的感受：jcode 关 embedding 时，一个 session 的内存连 Claude Code 的零头都不到。 这意味着在 8GB 的 MacBook Air 上同时跑 5-10 个 session 完全不慌。
二、jcode 是什么
简单说，jcode 是一个原生的 AI 编程 Agent 执行框架（harness）。它提供：
- 启动 session
- 加载 LLM provider（Claude / GPT / Gemini / OpenRouter）
- 运行 agent 循环
- 执行工具调用（文件读写、shell、搜索等）
- 管理上下文和记忆
和 Claude Code、Codex CLI 属于同一类产品，但 jcode 是从 Rust 原生构建的，不走 Node.js / Electron 路线。
核心分成四个模块：
- Harness Runtime：启动 session、加载 provider、调度 agent 循环
- Memory Subsystem：跨 session 的语义记忆
- Provider / MCP 适配层：接入 LLM 和外部 MCP 工具
- TUI：终端交互界面
三、内存是怎么压到 27.8 MB 的
jcode 能做到这个内存占用，主要靠三点。
1. Rust 原生，无 Electron / Node.js
Claude Code、OpenCode 这类工具基于 Node.js 和 V8。V8 本身的 baseline 内存就不低，再加上 transitive dependencies，单进程几百 MB 是常态。jcode 是 Rust 编译的原生二进制，没有 JIT 运行时，PSS 接近普通系统进程。
2. 本地 embedding 是可选开关
这是最关键的一项。jcode 的记忆系统用本地 ONNX embedding 做语义检索，但这个模块可以关掉：
- 开 embedding：单 session 167.1 MB
- 关 embedding：单 session 27.8 MB
关掉后，记忆子系统退化成"文件 + 文本索引"，但 session 间持久化、命令历史、调用栈记录这些功能都还在。对于资源敏感的机器，这个开关非常实用。
3. 多 session 内存增长接近常数
jcode 的设计目标不是单 session 功能最丰富，而是让多个 session 并行时内存不爆炸。实测 10 个 active session：
- jcode（关 embedding）：117 MB
- Claude Code：约 2.3 GB
- OpenCode：3.2 GB
这个差距在真实工作流里是决定性的。
四、安装和上手
安装方式很直接：
curl -fsSL https://jcode.sh/install | bash
装完之后直接运行：
jcode
就会进入 TUI 对话界面。交互习惯和 Claude Code 接近，迁移成本不高。
常用命令
jcode serve # 启动服务端
jcode connect # 连接远程/本地会话
jcode run "任务描述" # 非交互式运行
jcode memory # 体验跨 session 记忆
jcode memory-demo # 跑记忆 demo
配置文件在 ~/.jcode/config.toml，可以调：
- compaction 模式
- memory 设置
- safety 安全配置
- MCP server 列表
- 生命周期钩子
五、Swarm：多 Agent 协作是差异化能力
jcode 不只是省内存，它还支持 Swarm 模式：多个 Agent 在同一个仓库里并行协作。
典型场景：
Agent A: 改 React 前端
Agent B: 改 Rust 后端
Agent C: 写测试
它们之间会：
- 感知彼此改了哪些文件
- 避免代码冲突
- 必要时互发消息协调
- 自主派生子 Agent 处理子任务
省内存的意义在这里体现得很清楚：如果跑 3 个 Claude Code 就要 1GB+， Swarm 根本没法常态化。但 jcode 三个 session 加起来不到 100 MB，多 Agent 协作才变得实际可行。
六、语义记忆系统
jcode 的记忆系统分几层：
- 事实（facts）：用户偏好、项目约定
- 实体（entities）：代码库里的关键模块、函数
- 偏好（preferences）：输出风格、常用命令
记忆通过本地 ONNX embedding 做语义检索（也可以关掉换文本索引）。跨 session 持久化，下次打开同一个项目，Agent 还记得你上次说的"我们用 4 空格缩进"。
有个 jcode memory-demo 可以体验：保存一条记忆后，再问相关问题，Agent 能直接命中。
七、实际使用体验
我主要试了三个场景。
场景 1：多项目并行
同时开了三个 session：
- 一个看 Python 数据处理脚本
- 一个改 Go CLI 工具
- 一个写 TypeScript 前端组件
三个 jcode session 加起来内存不到 100 MB，MacBook Air 的风扇根本没转。换成 Claude Code，开第三个就开始明显发热。
场景 2：冷启动随手用
14ms 的冷启动意味着"想问就问"。Claude Code 启动要 3 秒多，有时候因为启动成本会犹豫要不要开。jcode 没有这个问题，打开 terminal 敲 jcode 几乎立即能用。
场景 3：Swarm 分工
让两个 Agent 同时处理一个全栈任务：一个写 API，一个写前端调用。它们能感知到彼此改的文件，没有撞车。当然，复杂场景下还是需要人最后把关，但基础协调确实省了不少来回沟通。
八、适合谁 / 不适合谁
适合：
- 内存紧张的机器（8-16 GB）
- 需要同时跑多个 Agent session 的开发者
- 想把 Agent 嵌入脚本或 CI 环境的人
- 不喜欢被单一 LLM vendor 绑定的用户
不适合：
- 只要开箱即用、不想写配置的人
- 重度依赖 VS Code / JetBrains 插件的人
- 单 session 工作流为主、不在乎内存的人
结语
jcode 的核心取舍非常明确：
用 Rust 原生实现 + 可选功能模块，把 harness 本身的资源开销压到最低，让多 session 和多 Agent 协作从奢侈品变成日常可用。
它不是要替代 Claude Code 的所有功能，而是给那些"内存不够用、启动等不起、想同时跑多个 Agent"的人一个新选择。
如果你的主要痛点是资源效率，jcode 值得一试。
