截至 2026 年 5 月，AI 編程賽道又冒出一個讓人傻眼的新 repo——1jehuang/jcode，一個用 Rust 寫的「Coding Agent Harness」，一天進帳 8,400 顆 GitHub stars，直接坐上當日 Trending 第一。
它做的事情很狂：讓兩個以上的 AI 同時在同一個 repo 工作，A 改了 B 馬上知道。Cursor 玩的是「你跟一個 AI 對話」，jcode 玩的是「你管理一支 AI 軍團」。
jcode 是什麼？一句話講清楚
jcode 是一個用 Rust 寫的「Coding Agent Harness」（編程代理執行框架）。Harness 這個字翻成中文很像「馬具」——你可以理解成它就是「給 AI Agent 套上馬具，讓你能控制方向」的那層工具。
跟 Cursor、Claude Code、Codex 這些「AI 編程工具」最大的差別是：jcode 不綁特定模型、不綁特定 IDE，它只負責「Agent 怎麼運作、怎麼記憶、怎麼互相看到彼此的工作」這幾件事。
更顛覆的是，jcode 的 session 可以從 codex、Claude Code、opencode、pi 這些不同 harness 之間 resume。你下午用 Claude Code 寫到一半，晚上開 jcode 接著做完，記憶連續、對話連續。
核心功能拆解：四個讓 Cursor 開始焦慮的設計
1. 多 Agent 同 Repo 協作（最炸的賣點）
你可以一次開好幾個 Agent 在同一個 repo 工作，jcode 的 server 會自動處理「誰看到誰改了什麼」。A Agent 讀過的檔案被 B Agent 改了，A 馬上會收到通知，重新讀過再決定下一步。
這個能力的場景化翻譯是：你終於可以叫一個 Agent 寫前端、另一個 Agent 寫後端、第三個 Agent 寫測試，三個同時跑，不會踩到對方的腳。以前 Cursor / Claude Code 想多開幾個視窗都會打架，jcode 從架構層解決了這件事。
2. Ambient Mode 環境記憶整合
記憶是 AI Agent 最頭痛的問題：聊太多就忘、跨 session 就斷。jcode 的解法叫 Ambient Mode——它會在背景默默把你的對話記憶重整一次，檢查有沒有過時、有沒有衝突，自己調整。
具體怎麼做？jcode 把每一個 turn / response 都向量化（semantic embedding），存進一個「記憶圖」（graph memory），用 cosine similarity 找相關記憶。你問新問題的時候，它不是把整段歷史塞進 context，而是只撈出「跟你現在這題真的有關」的記憶碎片。
用人話說：它的記憶機制跟「人」更像。不是把過去整本日記翻一次，而是只想起「跟眼前這件事有關的」那幾段。
3. Agent Grep：給 AI 用的 grep
一般 grep 只給你「這行匹配」，jcode 的 agent grep 會把檔案結構資訊一起回傳——這個 match 在哪個 function 裡、哪個 class 裡、哪一層巢狀關係。Agent 不用真的把檔案打開讀完，就能猜出大致結構。
還有一個叫 adaptive truncation 的機制：根據 Agent 已經看過什麼，自動截斷返回的內容。看過的部份不重複給，沒看過的詳細給。token 省一大半。
4. Side Panel + Mermaid 即時渲染
jcode 的側邊欄不是擺好看的，是給 Agent 用的「白板」。Agent 可以把檔案載進去即時更新、可以直接寫資訊上去、可以當 diff viewer 看改動。
還支援原生 Mermaid 圖表渲染，作者自己宣稱比舊實作快了 1,800 倍。這個對「叫 AI 畫架構圖、流程圖」的場景很重要——以前你要等好幾秒才看到圖，現在幾乎是邊講邊畫出來。
跟 Cursor、Claude Code 的對比
| 項目 | jcode | Cursor 3 | Claude Code |
|---|---|---|---|
| 多 Agent 同 repo 協作 | 原生支援，自動同步 | 需開多個 Agent Tab，狀態各自獨立 | 不支援多 Agent 互通 |
| 記憶機制 | Ambient Mode + Graph Memory | 專案層 context，無 graph | Skills + 對話記憶 |
| 跨 harness session resume | 支援（codex / claude code / opencode / pi） | 不支援 | 不支援 |
| 底層語言 | Rust（速度與資源優勢） | TypeScript / Electron | TypeScript |
| 定價 | 開源免費，自帶 API key | $20/月起 | API 付費 |
誰該裝？誰先別碰？
適合的人：
- 已經習慣 Claude Code / Codex CLI、想再往多 Agent 工作流升級的工程師
- 想自己組「AI 工人軍團」（前端 Agent + 後端 Agent + 測試 Agent）的獨立開發者
- 對 token 成本敏感、想用 graph memory 把 context 壓下來的人
- 用 Rust 寫東西、想要本地化、低延遲體驗的人
暫時不用碰的人：
- 剛開始學 AI 編程、連 Cursor 都還沒順手的新手——直接跳到 multi-agent 會迷路
- 只想要「點開就能用」的圖形化體驗的人——jcode 還在 CLI / TUI 階段，沒有漂亮的 GUI
- 所在公司禁止裝非官方 AI 工具的人
三步快速上手
- 到 github.com/1jehuang/jcode 看 README，按指示用 cargo 安裝（需要 Rust toolchain）
- 設定你要用的模型 API key（jcode 不綁定特定模型，Anthropic / OpenAI / Google 都能配）
- 在 repo 根目錄跑
jcode，先試「單 Agent + Ambient Mode」感受記憶差異，再試「兩個 Agent 同 repo 」
建議第一個案例：開兩個 Agent，一個負責「實作 feature」、一個負責「同步補單元測試」，看 jcode 怎麼自動同步檔案改動。這個場景最容易感受到「為什麼一天 8400 顆星」。
Mr. Slash 的觀點：AI 編程的下一階段是「管 Agent」
看完 jcode，我的判斷是：Cursor 帶你進入「跟 AI 對話寫 code」的時代，jcode 這類工具帶你進入「管理一群 AI 工人」的時代。
這個轉變最重要的不是工具升級，是人類角色的轉變。前一陣子 Andrej Karpathy 在 Sequoia AI Ascent 上說自己已經從「80% 手寫 + 20% Agent」反轉成「80% Agent + 20% edits」。當你需要管理的不是程式碼、是 Agent，那「會用 AI」就會跟「會寫 code」一樣值錢，甚至更值錢。
未來的工程師面試題不會是「白板寫個快排」，而是「給你 5 個 Agent 兩個小時，把這個 SaaS 的 MVP 做出來」。
jcode 不一定是最後贏家——這個賽道太捲，下個月可能又冒出一個更狠的。但它把「multi-agent on the same repo」這個體驗第一次做順了，這個方向已經回不去了。
結論：值得花一個下午試
如果你是已經在用 Claude Code / Cursor 的工程師，jcode 值得花一個下午裝起來試試看。一天 8,400 顆星不會是泡沫——這個速度是社群在用腳投票，告訴你「multi-agent harness」這個賽道剛剛轉熱。
如果你還在「該不該開始用 AI 寫 code」階段，先別跳這麼遠，把 Cursor 用順、再回頭看 jcode。但你心裡要有個底——當前的「一個視窗一個 AI」不是終點，下一站就是「一個視窗管一群 AI」。
本文資料截至 2026 年 5 月 1 日。AI 工具更新極快，請以官方 GitHub repo 為準。本文不構成任何投資建議，僅為工具評測與技術觀察。
發表迴響