agentic-jujutsu 是 ruvnet/agentic-flow 下的技能，定位为面向多个 AI 智能体同时修改代码的版本控制方案，提供无锁操作、自学习与量子抗性安全等能力。
用途：当多个 AI 智能体需要同时修改代码、希望避免锁等待与冲突时使用；也可用于记录任务执行轨迹，让智能体从历史经验中学习并给出建议。
主要能力：基于 ReasoningBank 的自学习——通过 startTrajectory、addToTrajectory、finalizeTrajectory（成功评分 0.0-1.0）记录操作序列，再以 getSuggestion 获取 AI 建议；getPatterns 发现成功操作模式；getLearningStats 查看轨迹数、模式数、平均成功率、改进率与预测准确率；queryTrajectories 查找相似历史轨迹。多智能体协调支持多个包装器实例并发工作、彼此共享学习结果。量子抗性安全（v2.3.0+）提供 generateQuantumFingerprint/verifyQuantumFingerprint（SHA3-512）与 enableEncryption（HQC-128）。AgentDB 自动跟踪所有操作，可用 getStats、getOperations、getUserOperations 查询。核心版本控制方法包括 status、newCommit、log、diff、branchCreate、rebase 等。资料称并发提交 350 ops/s、冲突自动解决率 87%、上下文切换 50-100ms。
使用方式：安装命令为 npx agentic-jujutsu，或通过 require('agentic-jujutsu') 引入 JjWrapper 后调用上述方法。
限制：需先记录足够轨迹（建议 5-10 条、至少 3-5 条成功率>70%）才能得到高置信建议或发现模式；任务描述不能为空且不超过 10KB，评分必须在 0.0-1.0，finalize 前必须有操作记录，上下文键非空且键/值有长度上限。上述性能数字与自动解决率为资料自述，是否适用于具体环境暂未提供验证说明；支持的平台、收费与价格暂未提供。