您的位置：首页 > 新闻中心 > 社会 > 正文

新闻今日谈

第八届福建省“读中华经典颂时代华章”诵读比赛决赛收官_我的网站

东邪西毒

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。 AI摘要第八届福建省经典诵读比赛决赛举行，39件作品从近5000件中脱颖而出。

B | 赛事聚焦中华经典、八闽文化及两岸情谊，评选出多组奖项，优秀展演将于10月在福州举办。但相同模型，放进不同的编程工具里，表现可能完全不一样。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。 8月23日，由中共福建省委宣传部指导、福建省文化和旅游厅主办，福建省图书馆、福建省图书馆学会承办的“山海寻梦启新程”——第八届福建省“读中华经典颂时代华章”诵读比赛决赛在省图书馆圆满举办。赛事历经层层遴选，39件优秀作品从近5000件参赛作品中脱颖而出，晋级决赛同台比拼、巅峰对决。决赛现场，39组作品91名选手精神饱满，用饱含真情的语调，以丰富多样的形式赞颂中华文明，歌颂祖国山河，激昂起中华儿女同心筑梦的豪情壮志。《长征》《征途》《血色湘江》等长征题材作品致敬“脚下踩着草鞋，心中燃着信仰”的一代人，《摘星》《我的爸爸——致敬航天英雄罗阳》等作品咏赞新时代榜样人物与平凡奋斗者，激励当代青年走好新时代的长征路；《诚毅之光启航梦想》《头戴簪花围的女子》等作品深挖八闽人文底蕴、立足福建非遗特色，生动演绎本土文化魅力；《台湾的鸽子，回家吧》《一张邮票》等作品紧扣两岸同根同源、同文同种的文化根基。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”。来自台湾的参赛原创作品《乡愁——祖奶奶的阿鲁富》，以祖辈手工缝制的槟榔袋为情感线索，娓娓道来跨越海峡的思念与牵挂，让“两岸一家亲、闽台一家亲”的深厚情谊在朗朗诵读声中缓缓流淌。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。经过激烈角逐，赛事最终评选出少年组、成年组个人一、二、三等奖及优秀奖若干名。据了解，本届赛事优秀作品展演活动将于10月在福州举办。活动将采用线上线下联动的方式，为获奖作品及优秀组织单位集中颁奖，并邀请优秀获奖选手登台展演。

C | 本次活动将持续发挥经典诵读浸润人心、培根铸魂的文化作用，不断提升福建文化影响力、展现新时代福建崭新风貌，纵深推进“书香八闽”建设，推动优质公共文化资源下沉基层、惠及群众，为新时代文化强省建设注入源源不断的精神动力。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。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。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。

D | 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。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。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。

E | 记忆的写入也不完全依赖用户操作。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。

F | jcode将多会话工作流作为核心设计目标。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。

G | 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。

H | 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。

I | 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。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。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。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。

J | 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。

K | jcode最有趣的功能是Self-Dev模式。

L | 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。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。 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。