家和万事兴
苹果在2018年更换了大约1100万个iPhone电池:远远超过了前一年的100万到200万个。_我的网站

A | 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。1月15日,在苹果公司修改了其2019年第一季度的收益后,Tim Cook召开了一次全体会议,与苹果员工讨论了结果。据外国媒体报道,尽管会议的大部分细节尚未披露,但告密者约翰·格鲁伯今天发布了一条有趣的新闻。

B | 在全体会议上,蒂姆库克说,在29美元的更换计划中,苹果公司更换了1100万个iPhone电池。
但相同模型,放进不同的编程工具里,表现可能完全不一样。

C |
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。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”。
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。
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。在会议期间,库克表示,在正常年份,苹果计划更换约100万至200万个电池。
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。这项29美元的替代方案已经实施了近一年。这意味着,在2018年,苹果公司更换的电池数量是正常情况下一年更换电池数量的11倍。

D | 在1月3日的苹果公司全体会议上,蒂姆·库克说,根据29美元的更换计划,苹果公司已经更换了1100万块电池,他们通常预计只更换100万到200万块电池。
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。在github上已经收获10k stars。
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。

E | 格鲁伯与让-路易斯-加斯(Jean-LouisGasse)分享了这一事实:苹果电池计划对iPhone销售的影响。虽然很容易假设苹果的电池计划应该在2019年第一季度内,但格鲁伯提出了一个很好的观点:我的猜测是,电池更换计划对新iPhone销售的影响在推出XR和XS型号之前不会变得明显。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。数以百万计的iPhone用户对使用新电池的旧电池的性能感到满意,他们将升级到今年的新电池,而电池更换计划仍占旧电池的一定比例。

F | 相关阅读:苹果:低成本电池更换服务损害了iPhone的销售。
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。
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。
记忆的写入也不完全依赖用户操作。

G |
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。

H |
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。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。

I | 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。

J |
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。

K | 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。
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。
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。

L |
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。

M |
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://www.qiniaohongfangfoguisenzhai.cyou/news/20260826_6096096.pptx
Published on:14:03:12