用途
Agentic Jujutsu 是一款面向 AI 智能体的版本控制工具,设计目标是让多个智能体同时修改代码而不产生冲突,并在使用过程中积累经验、提供智能建议。它定位为“量子就绪、自学习”的版本控制方案。
主要能力
- 多智能体并发:多个 AI 智能体可同时操作,无需加锁等待;资料称并发提交性能约为 Git 的 23 倍(350 ops/s 对 15 ops/s),上下文切换约快 10 倍。
- 自动冲突解决:声明自动解决冲突成功率为 87%(Git 为 30-40%)。
- 自学习与 ReasoningBank:通过“轨迹(trajectory)”记录任务、操作序列、成功评分与评语,从中发现操作模式、提供建议、统计学习进展与预测准确率。
- 多智能体协同学习:一个智能体的经验可被其他智能体查询和复用。
- 量子抗性安全(v2.3.0+):提供 SHA3-512 指纹生成与校验(声明小于 1ms),以及 HQC-128 轨迹加密。
- 操作追踪(AgentDB):自动记录操作类型、命令、耗时与成功状态,提供统计与查询。
使用方式
安装命令:npx agentic-jujutsu。
在 Node.js 中引入:const { JjWrapper } = require('agentic-jujutsu');,创建实例 const jj = new JjWrapper();。
基础操作包括 status()、newCommit(msg)、log(limit)、diff(from, to)、branchCreate(name, rev?)、rebase(source, dest) 等。
学习流程:startTrajectory(task) 开始记录,执行操作后调用 addToTrajectory(),再以 0.0-1.0 的成功评分和可选评语调用 finalizeTrajectory(score, critique?);之后可用 getSuggestion(task) 获取建议,用 getLearningStats()、getPatterns()、queryTrajectories(task, limit) 查看学习统计、模式与相似轨迹。
量子安全相关函数:generateQuantumFingerprint(data)、verifyQuantumFingerprint(data, fp)、enableEncryption(key, pubKey?) 等。
验证规则(v2.3.1):任务描述不能为空、最大 10KB;成功评分须为 0.0-1.0 的有限数值;finalize 前必须至少有一个操作;上下文键值不能为空且有长度限制。
适用场景
资料给出的场景包括:多智能体并行改代码、自适应部署流程优化、多智能体代码评审、从失败中学习错误模式、构建持续自我改进的智能体循环。
限制与注意事项
资料提供的性能数字、冲突解决成功率、量子抗性等均为其自身声明,未提供独立验证。资料中未说明支持的操作系统、Node.js 版本要求、许可证与收费方式,暂未提供。低置信度建议通常意味着学习数据不足,需先积累若干轨迹;无模式发现时同样需要更多高成功率轨迹。