jcode：用 Rust 重写的高性能 AI Agent 运行时，8G 内存可跑 10-20 个 Agent

最近在 AI 编程工具圈里有一个趋势：单个 Agent 已经不够用了，大家都在尝试多个 Agent 的协作。但是现有好些 Agent 工具架构跟不上，用 Node.js 写的工具开了几个会话就内存爆炸，Python 写的就更不用说了。

jcode 是一个用 Rust 写的项目，号称可以在 8G 的本子上跑 10 到 20 个 Agent。一句话总结：它就是用来跑 AI Agent 的性能优化版工具。

实际使用体验

假设在大的项目里同时用 AI 来帮助前端、后端和测试，传统方法是开启三到四个 Claude Code 会话，结果内存直接爆了，一般的笔记本就会开始卡顿，每个会话都要等几秒钟才开始。

如果用 jcode，一个会话内存只有 27MB，开启十个会话总共也就 260MB。启动几乎是瞬间的，14 毫秒就完成了，完全没有等待的感觉。并且它还支持多 Agent 协作，在同一个代码库里有多个 Agent 同时工作，并且能够自动感知到冲突，不会乱改代码。

核心特性

优化到极致。 使用 Rust 从头开始重写运行时，产生一个单一的静态二进制文件，不带 Node.js 和 Python 的负担。自定义终端 handterm 实现原生滚动，自研的 mermaid 渲染器比浏览器版本快 1800 倍。UI 渲染达到 1000+ FPS 无闪烁。实测单会话内存为 27.8MB，而 Claude Code 则需要 386.6MB，相差 13.9 倍；10 个会话总共只有 260MB，而 Claude Code 要 2300MB，相差 19.7 倍；每增加一个会话 jcode 就会多消耗 9.9MB，而 Claude Code 要 212.7MB，相差 21.5 倍。

语义记忆系统。 传统的工具不是把全部的历史都塞到上下文中去，就是完全不考虑，jcode 选择了第三种方式：将每一句话都作为语义向量来处理，并用余弦相似度来检索相关的记忆。后台自动提取、存储、整理记忆，合并重复、消除矛盾、验证过期信息。接近人类工作记忆的工作方式，相关的记忆就会自动浮现出来。相比于传统的上下文堆叠方式，它能够节省大量的 token，并且使智能体可以长期地记住重要的信息，不用再每次都要重新解释项目背景。

Swarm 多 Agent 协作。 在同一个代码库中运行多个 Agent 实例，并且有服务器级的协调机制。当 AgentA 修改了 AgentB 已经读取过的文件时，会通知 B 来检查 diff 以防止冲突。Agent 可以自己分出子 Agent 团队，主 Agent 变成协调者。模拟真实的工程团队合作方式，对于大项目的并行开发非常有用，不同功能的 Agent 可以同时运行，不会互相影响，不再需要手动去协调多个 Agent 的修改。

Self-Dev 自我进化。 智能体可以修改自己的源码，然后构建、测试、热重载，工具本身也可以迭代进化。递归可修改性使工具可以自我优化，这是架构上的根本区别。作者建议使用最新的模型，如 GPT-5.5，不要做破坏性的改动。你的工具会因为使用而越来越懂你，这就是真正的"自我进化"。

安装方式

macOS 和 Linux 一行命令就能装好：

curl -fsSL https://jcode.sh/install | bash

Windows PowerShell 也只需要一个命令：

irm https://jcode.sh/install.ps1 | iex

装好之后就可以配置 Key 了，支持 Claude、OpenAI、Gemini、Copilot 等 20 多个提供商，还支持 OAuth 登录，不需要手动粘贴 API Key。如果喜欢 Homebrew，也可以用 brew tap 1jehuang/jcode 来安装。

注意事项

项目还处于活跃开发阶段，API 可能会有 Breaking Change。Rust 代码库对非 Rust 开发者的贡献门槛比较高。性能数据是作者自己做的测试，并没有独立的第三方来验证。目前浏览器自动化只支持 Firefox。iOS 应用还在开发中，没有发布。

项目基于 MIT 协议开放。

开源地址：https://github.com/1jehuang/jcode