jcode：把内存压到 27.8 MB 的 Coding Agent Harness 怎么做到

一句话判断

jcode 是 1jehuang 在 2026 年交出的 Rust 系 coding agent harness，单 session PSS（按比例的内存占用）低至 27.8 MB（关掉本地 embedding 后），比 Claude Code 的 386.6 MB 低 13.9 倍，比 OpenCode 低 13.4 倍。它的目标不是"再多一个 CLI"，而是"在多 session 并行的工程现实里，把每一份内存都换算成可工作的并发"。

项目定位

• 仓库：1jehuang/jcode，MIT 协议，Rust 实现
• GitHub Stars：8.8K，Forks 1.0K（2026-07-19 数据）
• 平台：Linux / macOS / Windows 三平台原生支持
• 核心特性：multi-session workflows、infinite customizability、performance-first
• 官方标语：“The next generation coding agent harness to raise the skill ceiling”

它的官网 jcode.sh 直接把安装命令写成一行 curl | bash，落地门槛和 Claude Code / Codex CLI 一样低；但它多了一组围绕"资源开销"做的工程权衡。

系统地图

按 README 的叙述层次还原，jcode 由四块组成：

把模块按资源视角排序，关键问题就是"哪一块在吃 RAM"。README 用一段对比表给出了答案：单 session 时，绝大部分 RAM 不是模型本身（模型在云端），而是 harness 的本地状态——MCP 子进程、tree-sitter 索引、embedding 缓存。一旦把 embedding 关掉，PSS 从 167.1 MB 直接降到 27.8 MB，差出 6 倍。这说明 jcode 团队已经把"按需加载 embedding"做成了可关闭的开关，而不是把 embedding 当作默认能力来卖。

性能对比的关键数字

README 的对比表值得原样引用——它是 trending 抓取当日最重要的内容：

• 1 active session：
  • jcode（关本地 embedding）：27.8 MB
  • jcode（默认）：167.1 MB（6.0× baseline）
  • pi：144.4 MB（5.2×）
  • Codex CLI：140.0 MB（5.0×）
  • OpenCode：371.5 MB（13.4×）
  • GitHub Copilot CLI：333.3 MB（12.0×）
  • Cursor Agent：214.9 MB（7.7×）
  • Claude Code：386.6 MB（13.9×）
  • Antigravity CLI：243.7 MB（8.8×）
• 10 active sessions（乘数效应更夸张）：
  • jcode：117.0 MB（baseline） → 260.8 MB（带 embedding）
  • Claude Code：再乘 10 倍几乎不可用
  • OpenCode：3.2 GB
  • GitHub Copilot CLI：1.7 GB

数字背后的结论很简单：jcode 的内存曲线接近 O(session_count × 常数)，而同类工具是接近线性甚至超线性增长。对于同时跑 5-10 个 agent session 的开发者，这是决定性优势。

安装与快速开始

jcode 把安装压成两行：

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

# Windows 11 PowerShell 5.1+
irm https://jcode.sh/install.ps1 | iex

它支持 Homebrew、源码构建、provider 预设等多种入口，README 把"让一个 agent 帮你装好"也作为合法路径，说明作者清楚目标用户是每天写 CLI 的人。Windows 的安装脚本走 PowerShell，意味着它覆盖了 WSL / Windows Terminal 全场景。

关键机制拆解

1. 为什么是 Rust

Coding agent 的 runtime 分为两类：

• Node / TS 系（OpenCode、Claude Code、Cursor Agent）：开发快、依赖成熟，但内存开销天然大（V8 baseline + 大量 transitive deps）。
• Rust 系（jcode）：冷启动时间 < 50 ms 级、PSS 接近 native binary、不需要 JIT 预热。

jcode 选 Rust 不是为了性能噱头，而是因为多 session 的瓶颈是内存而不是吞吐。10 session 并行时，3 GB 内存和 260 MB 内存的差别就是"你能不能同时跑 3 个项目和 1 个项目的差别"。

2. 本地 embedding 作为可选开关

jcode 把本地 embedding 作为可选模块而不是默认依赖。关掉以后，记忆子系统退化为"基于文件 + 文本索引"的工作方式，但功能依然完整（session 间持久化、命令历史、调用栈记录）。这反映了 jcode 团队对"哪些能力值得付 RAM 成本"的判断——能关掉的能力说明它不是单点依赖。

3. MCP 兼容性

jcode 走标准 MCP 协议，这意味着它可以直接复用社区里所有的 MCP server——浏览器自动化（chrome-devtools-mcp）、文档检索（context7）、任务管理（linear / github）。这一点和 Claude Code / Codex CLI / Gemini CLI 没有差别，但 jcode 多了"在多 session 下仍然能跑"的稳定性优势。

适用人群

• 多任务并行开发者：需要同时跑 3+ 个 session（不同 repo、不同任务）
• 资源敏感用户：MacBook Air 8GB、Linux 笔记本 16GB、容器里跑 agent 的 CI 环境
• 追求冷启动速度的人：jcode 启动 < 50ms，意味着可以把它当成 shell 工具嵌进 zsh / nushell
• 不愿意被 vendor lock-in 的人：jcode 把 provider 抽象做成可插拔，可以同时用 Claude / GPT / Gemini

不适合谁

• 只要"一个能用的 CLI"的人：Claude Code / Codex CLI 仍然是更主流的选择，文档、插件、prompt 工程生态都更厚
• 重度依赖 GUI / IDE 集成的人：jcode 是纯 TUI，不做 VS Code / JetBrains 插件
• 愿意为 RAM 换更丰富原生功能的人：jcode 的"无限 customizability"来自你愿意写配置；如果只是想"开箱即用"，反而更累

仓库地址

https://github.com/1jehuang/jcode

阅读路径建议

1. 先看 README 的 Performance 表，确认你的使用场景是否值得为内存买单
2. 跑 curl -fsSL https://jcode.sh/install | bash，5 分钟内完成 first run
3. 试 jcode memory 子命令，理解它的跨 session 记忆是怎么落地的
4. 在 3 个不同 session 里跑同一个任务，观察 PSS 是否真的不随 session 数线性增长