用途：agentic-jujutsu 是专为多个 AI 智能体同时修改代码而设计的自学习、量子抗性版本控制方案，宣称可实现无锁版本控制与多智能体协调，避免冲突。
主要能力：1）ReasoningBank 自学习：通过 startTrajectory、addToTrajectory、finalizeTrajectory（成功率 0.0-1.0 加评语）记录轨迹，再用 getSuggestion 获取 AI 建议（含置信度、预期成功率、推荐操作）。2）模式发现：getPatterns 返回成功操作序列、成功率与置信度。3）学习统计：getLearningStats 提供轨迹总数、模式数、平均成功率、提升率、预测准确率。4）多智能体协调：多个 JjWrapper 实例可并发操作，智能体之间可查询轨迹互相学习。5）量子抗性安全（v2.3.0+）：generateQuantumFingerprint 生成 SHA3-512（NIST FIPS 202）指纹，verifyQuantumFingerprint 验证完整性，enableEncryption 启用 HQC-128 加密。6）AgentDB 操作追踪：getStats、getOperations、getUserOperations 等。
使用方式：安装命令为 npx agentic-jujutsu；在代码中通过 const { JjWrapper } = require('agentic-jujutsu') 引入，调用 status、newCommit、log、diff、branchCreate、rebase 等基础操作，并结合轨迹与建议方法实现学习循环。
适用场景：多智能体并行改码、部署工作流优化、多智能体代码审查、错误模式检测、持续学习循环。
限制：资料中的性能与成功率数字（如 23x、87%、<1ms）均为其自述；需先积累 5-10 条轨迹才可能获得较高置信度建议，模式需多条成功率 >70% 的轨迹才会出现；任务描述不能为空且最大 10KB，成功分数须为 0.0-1.0 的有限数，finalize 前至少需一条操作，上下文不能为空。具体价格、平台支持等资料暂未提供。