jcode

jcode es un arnés de codificación de IA de terminal de código abierto diseñado para ser eficiente en recursos y rápido. El proyecto se posiciona como el arnés más eficiente en RAM y el más inteligente, y el README lo respalda con tablas de referencia que comparan jcode con herramientas como pi, Codex CLI, OpenCode, GitHub Copilot CLI, Cursor Agent, Claude Code y Antigravity CLI. Las cifras reportadas incluyen aproximadamente 27.8 MB de PSS para una sola sesión con incrustación local deshabilitada, aproximadamente 14 ms de tiempo hasta el primer fotograma y aproximadamente 48.7 ms de tiempo hasta la primera entrada, con una escalabilidad de memoria por sesión de alrededor de 10 MB. La instalación es un script curl de una línea en macOS/Linux y una línea de PowerShell en Windows 11, y la herramienta está disponible para Linux, macOS y Windows bajo licencia MIT. La experiencia principal es una TUI con un área de chat, paneles laterales, renderizado de diagramas Mermaid en línea, widgets de información que solo ocupan espacio negativo en pantalla, una implementación personalizada de scrollback y un proyecto de terminal complementario llamado Handterm que añade una API de desplazamiento nativa. Se afirma que el renderizado se ejecuta a más de mil fps, y el proyecto incluye una biblioteca de renderizado Mermaid personalizada (mermaid-rs-renderer) sin dependencia de navegador ni TypeScript. La alineación se puede cambiar entre izquierda y centrada, y los emojis se pueden deshabilitar globalmente mediante configuración o una variable de entorno. Una característica distintiva es el sistema de memoria del agente. Cada turno se incrusta como un vector semántico y se consulta contra un grafo de memorias usando similitud de coseno. Los aciertos se inyectan en la conversación, opcionalmente verificados por un sideagent de memoria que puede realizar trabajo de recuperación adicional. Las memorias se extraen periódicamente según la deriva semántica, el número de turnos o el final de la sesión, y se consolidan en un modo ambiente que reorganiza las entradas y verifica la obsolescencia y los conflictos. Las herramientas de memoria explícitas permiten que el agente busque o almacene memorias activamente, y la búsqueda de sesiones proporciona RAG tradicional sobre sesiones anteriores. La función Swarm permite que múltiples agentes se ejecuten en el mismo repositorio bajo un servidor compartido. Cuando un agente edita un archivo que otro ha leído, el servidor notifica al otro agente, que puede ignorar el cambio o inspeccionar el diff para evitar conflictos. Los agentes pueden enviarse mensajes entre sí mediante DM, difusión o canales con ámbito de repositorio, y pueden crear autónomamente sus propios enjambres, convirtiendo al agente principal en coordinador y a los agentes generados en trabajadores. Los canales de mensajería grupal, los estados de finalización y la coordinación se gestionan automáticamente, y esto puede ejecutarse sin cabeza o con cabeza. El soporte de proveedores es amplio. Los flujos de inicio de sesión OAuth integrados cubren Claude, OpenAI/ChatGPT/Codex, Google Gemini, GitHub Copilot, Azure OpenAI, Alibaba Cloud Coding Plan, Fireworks, Novita AI, MiniMax, Meta Model API/Muse, LM Studio y Ollama, además de un endpoint personalizado compatible con OpenAI. Los proveedores nativos de OpenAI utilizan Responses WebSocket v2 con precálculo de fondo oportunista y respaldo HTTPS. Los proveedores compatibles con OpenAI incluyen perfiles nombrados integrados para servicios como OpenRouter, DeepSeek, Moonshot AI, Baseten, Hugging Face, Nebius, Scaleway y otros, y se pueden agregar endpoints arbitrarios mediante un comando de perfil de proveedor único que escribe en ~/.jcode/config.toml y almacena secretos en un directorio de configuración privado de la aplicación. Se admiten pasarelas compatibles con Anthropic Messages con autenticación de portador, cabecera personalizada o sin autenticación y cabeceras específicas de pasarela. Los tiempos de ejecución locales como Ollama y LM Studio se admiten con finalización de chat en streaming, llamadas de función/herramienta y contenido de imagen estilo OpenAI para modelos locales con capacidad de visión. Las opciones de configuración incluyen ventanas de contexto por modelo, campos extra_body para cuerpos de solicitud no estándar, tiempos de espera de inactividad de streaming que escalan con el esfuerzo de razonamiento y controles de esfuerzo de razonamiento. El proyecto también proporciona un SDK, documentación, puntos de referencia y una comunidad en Discord. Las actualizaciones se pueden realizar en la TUI con /update o desde la terminal con jcode update, con un canal estable por defecto y un canal principal para actualizaciones de la rama fuente. Las compilaciones de desarrollo comparan el commit de Git del binario en ejecución con la etiqueta de lanzamiento y se detienen en lugar de arriesgar una degradación si la ascendencia no se puede verificar. En general, jcode se dirige a desarrolladores que desean un entorno de codificación de IA de terminal rápido y ligero en memoria con memoria persistente, colaboración multiagente y configuración flexible de proveedores de modelos.