Run Jcode on Your Own Local Model: Qwen3.8 Flash-Next on a Radeon AI PRO R9700 (No API Key)
Jcode is a new, free, open-source (MIT) coding agent with a very fast terminal. Here is how to run it on your own local model, on your own graphics card: no API key, and no internet once it is installed. Ours: Qwen3.8 Flash-Next on a Radeon AI PRO R9700. Every step was recorded live; nothing is re-enacted.
Is it faster than Pi at real coding? Same model, same server, same job, 3 runs each: youtu.be
Chapters
0:00 Jcode on your own model
0:21 Step 1: download and verify
0:52 Step 2: your local model server
1:17 Step 3: one config block
1:42 Step 4: the first answer
2:13 Step 5 (optional): provider-doctor
2:33 Step 6: a real job in the terminal
3:05 Step 7: stop and resume
3:49 Step 8: check it yourself
4:02 Two settings I would change
4:38 Is it faster than Pi?
What you need
- Linux x86_64 (we used Jcode v0.99.1, release published 2026-10-22, MIT license)
- A local model server with an OpenAI-compatible API (llama.cpp server, Ollama, LM Studio...). We only tested ours with Jcode: Strata serving Qwen3.8 Flash-Next (IQ3_S) at 127.0.0.1:8018 on a Radeon AI PRO R9700.
Step 1 - download and verify (the only step that needs internet)
We skipped the one-line install script: it edits your shell profile and sends an install event to telemetry.jcode.sh unless JCODE_NO_TELEMETRY=1 or DO_NOT_TRACK=1.
mkdir -p ~/.local/share/jcode ~/.local/bin && cd ~/.local/share/jcode
curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99…
curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99…
sha256sum -c SHA256SUMS --ignore-missing
tar xzf jcode-linux-x86_64.tar.gz
ln -s ~/.local/share/jcode/jcode-linux-x86_64 ~/.local/bin/jcode
jcode --version
Step 2 - check your model server and copy the model id
curl -s 127.0.0.1
Step 3 - one config block (~/.jcode/config.toml). Change the address and model id to yours.
export JCODE_NO_TELEMETRY=1 DO_NOT_TRACK=1
mkdir -p ~/.jcode
[providers.flashnext]
type = "openai-compatible"
base_url = "127.0.0.1"
auth = "none"
default_model = "qwen3.8-flash-next-iq3_s"
supports_reasoning_effort = false
[[providers.flashnext.models]]
id = "qwen3.8-flash-next-iq3_s"
context_window = 262144
[features]
check_updates = false
Step 4 - first answer (headless mode prints the thinking one word per line; that is normal)
jcode --provider-profile flashnext run "Reply with exactly: LOCAL-OK"
For us: LOCAL-OK, and about 13,300 prompt tokens for one line (system prompt + 27 tool definitions).
Step 5 (optional) - provider-doctor
It only accepts built-in provider ids, not a named profile. The built-in route needs a key; a local server ignores it, so a placeholder works:
OPENAI_COMPAT_API_KEY=local-placeholder JCODE_OPENAI_COMPAT_API_BASE=127.0.0.1 jcode --model qwen3.8-flash-next-iq3_s provider-doctor openai-compatible --tier full
For us: Verdict READY, 12 of 12 checks.
Step 6 - the interactive terminal in a project folder
mkdir -p ~/projects/hello-tax && cd ~/projects/hello-tax
jcode --provider-profile flashnext
Our prompt: tax.py with add_tax() in Decimal, rounding half up, 3 unittest cases (one exactly on a half cent), then run the tests.
For us: 3 tests OK in 1 min 7 s, about 39 tokens per second. Launch to input line: 54 ms (median of 10 launches).
Step 7 - stop and resume
Escape interrupts (our server logged the cancel). jcode --resume lists saved sessions; resume worked after a full Jcode server stop. Blemish on camera: after resuming, the model claimed it had "already gathered the example tables" for a request we had cancelled. It had not.
Step 8 - check the work outside the agent
python3 -m unittest -v
python3 -c 'from tax import add_tax; print(add_tax(1000, "0.05"))'
Expected output: 1001
Two settings we would change
1. Out of the box Jcode sends no temperature, top_p, top_k or max_tokens. Our server then decodes greedy with no length cap. Add your model's recommended sampling under [providers.flashnext], for example:
extra_body = { temperature = 1.0, top_p = 0.95, top_k = 20 }
2. At session end Jcode makes an extra hidden model call to save memories (the memory sidecar). To turn it off:
[agents]
memory_sidecar_enabled = false
For project rules, use an AGENTS.md file (that worked in our test).
Disclosure
Claude Code ran and measured the tests; all coding was done by the local model. No cloud model, no API key and no network were used by Jcode in these runs.
Credit: we found Jcode through an Insider Force Short: youtube.com
Links
Jcode: 1jehuang/jcode
Video: BizFlowAI. Voice: John Pruden.
If this helped, like and subscribe, and tell me in the comments which coding agent you run on your own model.
#Jcode #LocalAI #CodingAgent #Qwen #FlashNext #RadeonAIPRO #R9700 #AMD #LocalLLM
[de-DE] Jcode mit eigenem lokalem Modell ausführen: Qwen3.8 Flash-Next auf einer Radeon AI PRO R9700 (Kei...
Jcode ist ein neuer, kostenloser Open-Source-Codierungsagent (MIT-Lizenz) mit einem sehr schnellen Terminal. So installieren Sie ihn lokal auf Ihrem eigenen System mit Ihrer eigenen Grafikkarte: kein API-Schlüssel und keine Internetverbindung erforderlich. Unser System: Qwen 3.8 Flash-Next auf einer Radeon AI PRO R9700. Jeder Schritt wurde live aufgezeichnet; nichts wurde nachgestellt.
Ist er beim Programmieren schneller als ein Raspberry Pi? Gleiches Modell, gleicher Server, gleicher Job, jeweils 3 Durchläufe: youtu.be
Kapitel
0:00 Jcode für Ihr eigenes Modell
0:21 Schritt 1: Herunterladen und überprüfen
0:52 Schritt 2: Ihr lokaler Modellserver
1:17 Schritt 3: Ein Konfigurationsblock
1:42 Schritt 4: Die erste Antwort
2:13 Schritt 5 (optional): provider-doctor
2:33 Schritt 6: Ein echter Job im Terminal
3:05 Schritt 7: Stoppen und Fortsetzen
3:49 Schritt 8: Selbst überprüfen
4:02 Zwei Einstellungen, die ich ändern würde
4:38 Ist es schneller als auf dem Raspberry Pi?
Voraussetzungen
- Linux x86_64 (wir haben Jcode v0.99.1 verwendet, veröffentlicht am 22.10.2026, MIT-Lizenz)
- Ein lokaler Modellserver mit einer OpenAI-kompatiblen API (z. B. llama.cpp-Server, Ollama, LM Studio usw.). Wir haben unsere Version ausschließlich mit Jcode getestet: Strata, das Qwen 3.8 Flash-Next (IQ3_S) unter 127.0.0.1:8018 auf einer Radeon AI PRO R9700 bereitstellt.
Schritt 1 – Herunterladen und Überprüfen (der einzige Schritt, der eine Internetverbindung erfordert). Wir haben das einzeilige Installationsskript übersprungen: Es bearbeitet Ihr Shell-Profil und sendet ein Installationsereignis an telemetry.jcode.sh, es sei denn, JCODE_NO_TELEMETRY=1 oder DO_NOT_TRACK=1.
mkdir -p ~/.local/share/jcode ~/.local/bin && cd ~/.local/share/jcode
curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99…
curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99…
sha256sum -c SHA256SUMS --ignore-missing
tar xzf jcode-linux-x86_64.tar.gz
ln -s ~/.local/share/jcode/jcode-linux-x86_64 ~/.local/bin/jcode
jcode --version
Schritt 2 – Überprüfen Sie Ihren Modellserver und kopieren Sie das Modell id
curl -s 127.0.0.1
Schritt 3 – Ein Konfigurationsblock (~/.jcode/config.toml). Ändern Sie die Adresse und die Modell-ID entsprechend Ihren Angaben.
export JCODE_NO_TELEMETRY=1 DO_NOT_TRACK=1
mkdir -p ~/.jcode
[providers.flashnext]
type = "openai-compatible"
base_url = "127.0.0.1"
auth = "none"
default_model = "qwen3.8-flash-next-iq3_s"
supports_reasoning_effort = false
[[providers.flashnext.models]]
id = "qwen3.8-flash-next-iq3_s"
context_window = 262144
[features]
check_updates = false
Schritt 4 – erste Antwort (im Headless-Modus wird der Denkprozess wortweise ausgegeben; das ist normal)
jcode --provider-profile flashnext run "Antworten Sie genau mit: LOCAL-OK" Ergebnis: LOKAL-OK und ca. 13.300 Eingabeaufforderungs-Tokens für eine Zeile (Systemeingabeaufforderung + 27 Tool-Definitionen).
Schritt 5 (optional) – provider-doctor
Es werden nur integrierte Provider-IDs akzeptiert, kein benanntes Profil. Die integrierte Route benötigt einen Schlüssel; ein lokaler Server ignoriert diesen, daher funktioniert ein Platzhalter:
OPENAI_COMPAT_API_KEY=local-placeholder JCODE_OPENAI_COMPAT_API_BASE=127.0.0.1 jcode --model qwen3.8-flash-next-iq3_s provider-doctor openai-compatible --tier full
Für uns: Ergebnis: BEREIT, 12 von 12 Prüfungen bestanden.
Schritt 6 – Das interaktive Terminal im Projektordner
mkdir -p ~/projects/hello-tax && cd ~/projects/hello-tax
jcode --provider-profile flashnext
Unsere Eingabeaufforderung: tax.py mit add_tax() in Dezimalzahlen, aufgerundet auf die Hälfte, 3 Unittest-Fälle (einer davon genau auf einen halben Cent), dann die Tests ausführen.
Bei uns: 3 Tests erfolgreich in 1 Minute 7 Sekunden, ca. 39 Token pro Sekunde. Start bis zur Eingabezeile: 54 ms (Median von 10 Starts).
Schritt 7 – Stoppen und Fortsetzen
Unterbrechungen umgehen (unser Server protokollierte den Abbruch). jcode --resume listet gespeicherte Sitzungen auf; das Fortsetzen funktionierte nach einem vollständigen Stopp des Jcode-Servers. Fehler im Video: Nach dem Fortsetzen behauptete das Modell, es hätte die Beispieltabellen bereits für eine abgebrochene Anfrage „abgerufen“. Das stimmte nicht.
Schritt 8 – Überprüfung der Funktion außerhalb des Agenten
python3 -m unittest -v
python3 -c 'from tax import add_tax; print(add_tax(1000, "0.05"))'
Erwartete Ausgabe: 1001
Zwei Einstellungen, die wir ändern würden:
1. Standardmäßig sendet Jcode keine Werte für temperature, top_p, top_k oder max_tokens. Unser Server dekodiert dann gierig ohne Längenbegrenzung. Fügen Sie die für Ihr Modell empfohlene Stichprobenentnahme unter [providers.flashnext] hinzu, zum Beispiel:
extra_body = { temperature = 1.0, top_p = 0.95, top_k = 20 }
2. Am Ende einer Sitzung führt Jcode einen zusätzlichen, versteckten Modellaufruf durch, um Speicher zu spar...
[es-US] Ejecuta Jcode en tu propio modelo local: Qwen3.8 Flash-Next en una Radeon AI PRO R9700 (Sin clave...
Jcode es un nuevo agente de codificación gratuito y de código abierto (licencia MIT) con una terminal muy rápida. Aquí te mostramos cómo ejecutarlo en tu propio modelo local, con tu propia tarjeta gráfica: sin clave API y sin conexión a internet una vez instalado. Nosotros usamos una Qwen3.8 Flash-Next en una Radeon AI PRO R9700. Cada paso se grabó en directo; no se recreó nada.
¿Es más rápido que la Raspberry Pi en la codificación real? Mismo modelo, mismo servidor, misma tarea, 3 ejecuciones cada una: youtu.be
Capítulos
0:00 Jcode en tu propio modelo
0:21 Paso 1: descarga y verifica
0:52 Paso 2: tu servidor local de modelos
1:17 Paso 3: un bloque de configuración
1:42 Paso 4: la primera respuesta
2:13 Paso 5 (opcional): provider-doctor
2:33 Paso 6: una tarea real en la terminal
3:05 Paso 7: detener y reanudar
3:49 Paso 8: compruébalo tú mismo
4:02 Dos configuraciones que cambiaría
4:38 ¿Es más rápido que la Raspberry Pi?
Lo que necesitas
- Linux x86_64 (usamos Jcode v0.99.1, versión publicada el 22/10/2026, licencia MIT)
- Un servidor local de modelos con una API compatible con OpenAI (servidor llama.cpp, Ollama, LM Studio...). Solo realizamos pruebas con Jcode: Strata sirviendo Qwen3.8 Flash-Next (IQ3_S) en 127.0.0.1:8018 en una Radeon AI PRO R9700.
Paso 1: descarga y verificación (el único paso que requiere conexión a internet).
Omitimos el script de instalación de una sola línea: este edita tu perfil de shell y envía un evento de instalación a telemetry.jcode.sh a menos que JCODE_NO_TELEMETRY=1 o DO_NOT_TRACK=1.
mkdir -p ~/.local/share/jcode ~/.local/bin && cd ~/.local/share/jcode
curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99…
curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99…
sha256sum -c SHA256SUMS --ignore-missing
tar xzf jcode-linux-x86_64.tar.gz
ln -s ~/.local/share/jcode/jcode-linux-x86_64 ~/.local/bin/jcode
jcode --version
Paso 2: verifica tu servidor de modelos y copia el ID del modelo
curl -s 127.0.0.1
Paso 3: un bloque de configuración (~/.jcode/config.toml). Modifique la dirección y el ID del modelo según corresponda.
export JCODE_NO_TELEMETRY=1 DO_NOT_TRACK=1
mkdir -p ~/.jcode
[providers.flashnext]
type = "openai-compatible"
base_url = "127.0.0.1"
auth = "none"
default_model = "qwen3.8-flash-next-iq3_s"
supports_reasoning_effort = false
[[providers.flashnext.models]]
id = "qwen3.8-flash-next-iq3_s"
context_window = 262144
[features]
check_updates = false
Paso 4 - primera respuesta (el modo sin interfaz gráfica imprime el razonamiento palabra por palabra; esto es normal)
jcode --provider-profile flashnext run "Responda exactamente con: LOCAL-OK
Para nosotros: LOCAL-OK, y aproximadamente 13 300 tokens de solicitud por línea (solicitud del sistema + 27 definiciones de herramientas).
Paso 5 (opcional) - provider-doctor
Solo acepta identificadores de proveedor integrados, no perfiles con nombre. La ruta integrada requiere una clave; un servidor local la ignora, por lo que un marcador de posición funciona:
OPENAI_COMPAT_API_KEY=local-placeholder JCODE_OPENAI_COMPAT_API_BASE=127.0.0.1 jcode --model qwen3.8-flash-next-iq3_s provider-doctor openai-compatible --tier full
Para nosotros: Veredicto LISTO, 12 de 12 comprobaciones.
Paso 6: la terminal interactiva en la carpeta del proyecto
mkdir -p ~/projects/hello-tax && cd ~/projects/hello-tax
jcode --provider-profile flashnext
Nuestro mensaje: tax.py con add_tax() en Decimal, redondeando la mitad hacia arriba, 3 casos de prueba unitaria (uno exactamente en medio centavo), luego ejecutar las pruebas.
En nuestro caso: 3 pruebas correctas en 1 min 7 s, aproximadamente 39 tokens por segundo. Tiempo de inicio a la línea de entrada: 54 ms (mediana de 10 inicios).
Paso 7: detener y reanudar
Evitar interrupciones (nuestro servidor registró la cancelación). jcode --resume muestra las sesiones guardadas; la reanudación funcionó después de detener completamente el servidor Jcode. Problema con la cámara: después de reanudar, el modelo afirmó haber "recopilado ya las tablas de ejemplo" para una solicitud que habíamos cancelado. No era cierto.
Paso 8 - Verificar el trabajo fuera del agente
python3 -m unittest -v
python3 -c 'from tax import add_tax; print(add_tax(1000, "0.05"))'
Salida esperada: 1001
Dos configuraciones que modificaríamos:
1. De forma predeterminada, Jcode no envía temperatura, top_p, top_k ni max_tokens. Nuestro servidor decodifica el modelo codicioso sin límite de longitud. Agregue el muestreo recomendado de su modelo en [providers.flashnext], por ejemplo:
extra_body = { temperature = 1.0, top_p = 0.95, top_k = 20 }
2. Al finalizar la sesión, Jcode realiza una llamada oculta adicional al modelo para ahorrar memoria (el sidecar de memoria). Para desactivarlo:
[agents]
memory_sidecar_enabled = false
Para las reglas del proyecto, utilice un archivo AGENTS.md (que funcionó en ...
[fr-FR] Exécuter Jcode sur votre propre modèle local : Qwen3.8 Flash-Next sur une Radeon AI PRO R9700 (sa...
Jcode est un nouvel agent de programmation gratuit et open source (MIT) doté d'un terminal très rapide. Voici comment l'exécuter sur votre propre machine, avec votre propre carte graphique : aucune clé API ni connexion Internet n'est requise après l'installation. Notre configuration : Qwen3.8 Flash-Next sur une Radeon AI PRO R9700. Chaque étape a été enregistrée en direct ; aucune reconstitution n'est présentée.
Est-il plus rapide qu'un Raspberry Pi pour la programmation ? Même modèle, même serveur, même tâche, 3 exécutions chacune : youtu.be
Chapitres
0:00 Jcode sur votre propre modèle
0:21 Étape 1 : Téléchargement et vérification
0:52 Étape 2 : Votre serveur de modèle local
1:17 Étape 3 : Un bloc de configuration
1:42 Étape 4 : La première réponse
2:13 Étape 5 (facultative) : provider-doctor
2:33 Étape 6 : Une tâche réelle dans le terminal
3:05 Étape 7 : Arrêt et reprise
3:49 Étape 8 : Testez-le vous-même
4:02 Deux paramètres que je modifierais
4:38 Est-ce plus rapide qu’avec un Raspberry Pi ?
Ce dont vous avez besoin :
- Linux x86_64 (nous avons utilisé Jcode v0.99.1, version publiée le 22/10/2026, licence MIT)
- Un serveur de modèles local avec une API compatible OpenAI (serveur llama.cpp, Ollama, LM Studio, etc.). Nous avons testé le nôtre uniquement avec Jcode : Strata hébergeant Qwen3.8 Flash-Next (IQ3_S) à l'adresse 127.0.0.1:8018 sur une Radeon AI PRO R9700.
Étape 1 : Téléchargement et vérification (seule étape nécessitant une connexion Internet)
Nous avons ignoré le script d'installation en une ligne : il modifie votre profil shell et envoie un événement d'installation à telemetry.jcode.sh sauf si JCODE_NO_TELEMETRY=1 ou DO_NOT_TRACK=1.
mkdir -p ~/.local/share/jcode ~/.local/bin && cd ~/.local/share/jcode
curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99…
curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99…
sha256sum -c SHA256SUMS --ignore-missing
tar xzf jcode-linux-x86_64.tar.gz
ln -s ~/.local/share/jcode/jcode-linux-x86_64 ~/.local/bin/jcode
jcode --version
Étape 2 - Vérifiez votre serveur de modèles et copiez l'identifiant du modèle
curl -s 127.0.0.1
Étape 3 - Un bloc de configuration (~/.jcode/config.toml). Modifiez l’adresse et l’identifiant du modèle selon vos besoins.
export JCODE_NO_TELEMETRY=1 DO_NOT_TRACK=1
mkdir -p ~/.jcode
[providers.flashnext]
type = "openai-compatible"
base_url = "127.0.0.1"
auth = "none"
default_model = "qwen3.8-flash-next-iq3_s"
supports_reasoning_effort = false
[[providers.flashnext.models]]
id = "qwen3.8-flash-next-iq3_s"
context_window = 262144
[features]
check_updates = false
Étape 4 - Première réponse (en mode sans interface graphique, un mot par ligne ; c'est normal)
jcode --provider-profile flashnext run "Répondre exactement : LOCAL-OK"
Pour nous : LOCAL-OK, et environ 13 300 jetons d'invite pour une ligne (invite système + 27 définitions d'outils).
Étape 5 (facultative) - provider-doctor
Seuls les identifiants de fournisseur intégrés sont acceptés, et non un profil nommé. La route intégrée requiert une clé ; un serveur local l'ignore, un espace réservé convient donc :
OPENAI_COMPAT_API_KEY=espace réservé local JCODE_OPENAI_COMPAT_API_BASE=127.0.0.1 jcode --model qwen3.8-flash-next-iq3_s provider-doctor openai-compatible --tier full
Pour nous : Verdict : PRÊT, 12 vérifications sur 12.
Étape 6 - Le terminal interactif dans le dossier du projet
mkdir -p ~/projects/hello-tax && cd ~/projects/hello-tax
jcode --provider-profile flashnext
Notre invite de commande : tax.py avec add_tax() en mode décimal, arrondi à la moitié supérieure, 3 cas de tests unitaires (dont un portant précisément sur un demi-centime), puis exécution des tests.
Résultats : 3 tests réussis en 1 min 7 s, soit environ 39 jetons par seconde. Lancement sur la ligne de saisie : 54 ms (médiane de 10 lancements).
Étape 7 - Arrêt et reprise
Gestion des interruptions (notre serveur a enregistré l'annulation). jcode --resume liste les sessions enregistrées ; la reprise a fonctionné après un arrêt complet du serveur Jcode. Problème rencontré : après la reprise, le modèle a indiqué avoir « déjà collecté les tables d'exemple » pour une requête annulée. Ce qui était faux.
Étape 8 - Vérifier le fonctionnement en dehors de l'agent
python3 -m unittest -v
python3 -c 'from tax import add_tax; print(add_tax(1000, "0.05"))'
Résultat attendu : 1001
Deux paramètres à modifier :
1. Par défaut, Jcode n'envoie ni temperature, ni top_p, ni top_k, ni max_tokens. Notre serveur effectue ensuite un décodage glouton sans limite de longueur. Ajoutez l'échantillonnage recommandé par votre modèle sous [providers.flashnext], par exemple :
extra_body = { temperature = 1.0, top_p = 0.95, top_k = 20 }
2. À la fin de la session, Jcode effectue un appel de modèle caché supplémentaire pour économiser de la mémoire (le sidecar mémoi...
[hi] Jcode को अपने स्थानीय मॉडल पर चलाएं: Radeon AI PRO R9700 पर Qwen3.8 Flash-Next (बिना API की)
Jcode एक नया, मुफ़्त, ओपन-सोर्स (MIT) कोडिंग एजेंट है जिसमें एक बहुत तेज़ टर्मिनल है। इसे अपने लोकल मॉडल पर, अपने ग्राफ़िक्स कार्ड पर चलाने का तरीका यहाँ बताया गया है: एक बार इंस्टॉल होने के बाद API कुंजी और इंटरनेट की आवश्यकता नहीं होती। हमारा मॉडल: Radeon AI PRO R9700 पर Qwen3.8 Flash-Next। हर चरण को लाइव रिकॉर्ड किया गया है; कुछ भी दोबारा नहीं दिखाया गया है।
क्या यह असली कोडिंग में Pi से तेज़ है? एक ही मॉडल, एक ही सर्वर, एक ही कार्य, प्रत्येक के 3 रन: youtu.be
अध्याय
0:00 आपके अपने मॉडल पर Jcode
0:21 चरण 1: डाउनलोड करें और सत्यापित करें
0:52 चरण 2: आपका स्थानीय मॉडल सर्वर
1:17 चरण 3: एक कॉन्फ़िगरेशन ब्लॉक
1:42 चरण 4: पहला उत्तर
2:13 चरण 5 (वैकल्पिक): प्रोवाइडर-डॉक्टर
2:33 चरण 6: टर्मिनल में एक वास्तविक कार्य
3:05 चरण 7: रोकें और पुनः शुरू करें
3:49 चरण 8: स्वयं जांचें
4:02 दो सेटिंग्स जिन्हें मैं बदलना चाहूंगा
4:38 क्या यह Pi से तेज़ है?
आपको क्या चाहिए
- Linux x86_64 (हमने Jcode v0.99.1 का उपयोग किया, रिलीज़ 2026-10-22 को प्रकाशित हुई, MIT लाइसेंस के तहत)
- OpenAI-संगत API वाला एक स्थानीय मॉडल सर्वर (llama.cpp सर्वर, Ollama, LM Studio...)। हमने केवल Jcode के साथ परीक्षण किया: Strata 127.0.0.1:8018 पर Radeon AI PRO R9700 पर Qwen3.8 Flash-Next (IQ3_S) प्रदान कर रहा है।
चरण 1 - डाउनलोड करें और सत्यापित करें (यह एकमात्र चरण है जिसके लिए इंटरनेट की आवश्यकता है)
हमने एक पंक्ति वाली इंस्टॉलेशन स्क्रिप्ट को छोड़ दिया: यह आपके शेल प्रोफ़ाइल को संपादित करती है और JCODE_NO_TELEMETRY=1 या DO_NOT_TRACK=1 न होने पर telemetry.jcode.sh को एक इंस्टॉलेशन इवेंट भेजती है।
mkdir -p ~/.local/share/jcode ~/.local/bin && cd ~/.local/share/jcode
curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99…
curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99…
sha256sum -c SHA256SUMS --ignore-missing
tar xzf jcode-linux-x86_64.tar.gz
ln -s ~/.local/share/jcode/jcode-linux-x86_64 ~/.local/bin/jcode
jcode --version
चरण 2 - अपने मॉडल सर्वर की जाँच करें और मॉडल को कॉपी करें आईडी
curl -s 127.0.0.1
चरण 3 - एक कॉन्फ़िगरेशन ब्लॉक (~/.jcode/config.toml)। पता और मॉडल आईडी को अपने अनुसार बदलें।
export JCODE_NO_TELEMETRY=1 DO_NOT_TRACK=1
mkdir -p ~/.jcode
[providers.flashnext]
type = "openai-compatible"
base_url = "127.0.0.1"
auth = "none"
default_model = "qwen3.8-flash-next-iq3_s"
supports_reasoning_effort = false
[[providers.flashnext.models]]
id = "qwen3.8-flash-next-iq3_s"
context_window = 262144
[features]
check_updates = false
चरण 4 - पहला उत्तर (हेडलेस मोड में विचार को प्रति पंक्ति एक शब्द में प्रिंट किया जाता है; यह सामान्य है)
jcode --provider-profile flashnext run "ठीक उसी तरह उत्तर दें: लोकल-ओके
हमारे लिए: लोकल-ओके, और एक पंक्ति के लिए लगभग 13,300 प्रॉम्प्ट टोकन (सिस्टम प्रॉम्प्ट + 27 टूल परिभाषाएँ)।
चरण 5 (वैकल्पिक) - प्रोवाइडर-डॉक्टर
यह केवल बिल्ट-इन प्रोवाइडर आईडी स्वीकार करता है, नामित प्रोफ़ाइल नहीं। बिल्ट-इन रूट को एक कुंजी की आवश्यकता होती है; एक स्थानीय सर्वर इसे अनदेखा करता है, इसलिए एक प्लेसहोल्डर काम करता है:
OPENAI_COMPAT_API_KEY=local-placeholder JCODE_OPENAI_COMPAT_API_BASE=127.0.0.1 jcode --model qwen3.8-flash-next-iq3_s provider-doctor openai-compatible --tier full
हमारे लिए: निर्णय तैयार, 12 में से 12 जाँचें सही।
चरण 6 - प्रोजेक्ट फ़ोल्डर में इंटरैक्टिव टर्मिनल
mkdir -p ~/projects/hello-tax && cd ~/projects/hello-tax
jcode --provider-profile flashnext
हमारा प्रॉम्प्ट: tax.py जिसमें add_tax() फ़ंक्शन का उपयोग दशमलव में किया गया है, आधे को ऊपर की ओर राउंड करते हुए, 3 यूनिट टेस्ट केस (एक ठीक आधे सेंट पर), फिर टेस्ट चलाएँ।
हमारे लिए: 3 टेस्ट 1 मिनट 7 सेकंड में सफलतापूर्वक पूरे हुए, लगभग 39 टोकन प्रति सेकंड। लॉन्च से इनपुट लाइन तक का समय: 54 मिलीसेकंड (10 लॉन्च का औसत)।
चरण 7 - रोकें और पुनः शुरू करें
इंटरप्ट से बचें (हमारे सर्वर ने रद्द करने को लॉग किया)। jcode --resume सहेजे गए सत्रों को सूचीबद्ध करता है; Jcode सर्वर को पूरी तरह से रोकने के बाद पुनः शुरू करना काम कर गया। कैमरे में गड़बड़ी: पुनः शुरू करने के बाद, मॉडल ने दावा किया कि उसने एक अनुरोध के लिए "उदाहरण तालिकाएँ पहले ही एकत्र कर ली हैं" जिसे हमने रद्द कर दिया था। ऐसा नहीं था।
चरण 8 - एजेंट के बाहर किए गए कार्य की जाँच करें
python3 -m unittest -v
python3 -c 'from tax import add_tax; print(add_tax(1000, "0.05"))'
अपेक्षित आउटपुट: 1001
दो सेटिंग्स जिन्हें हम बदलना चाहेंगे
1. Jcode डिफ़ॉल्ट रूप से तापमान, top_p, top_k या max_tokens नहीं भेजता है। हमारा सर्वर बिना किसी लंबाई सीमा के ग्रीडी डिकोडिंग करता है। अपने मॉडल की अनुशंसित सैंपलिंग को [providers.flashnext] के अंतर्गत जोड़ें, उदाहरण के लिए:
extra_body = { temperature = 1.0, top_p = 0.95, top_k = 20 }
2. सत्र समाप्त होने पर Jcode मेमोरी को सहेजने के लिए एक अतिरिक्त हिडन मॉडल कॉल करता है (मेमोरी साइडकार)। इसे बंद करने के लिए:
[agents]
memory_sidecar_enabled = false
प्रोजेक्ट नियमों के लिए, AGENTS.md फ़ाइल का उपयोग करें (जो हमारे परीक्षण में काम कर गई)।
खुलासा
क्लाउड कोड ने परीक्षण किए और उनका मापन किया; सभी कोडिंग स्थानीय मॉडल द्वारा की गई थी। इन परीक्षणों में Jcode द्वारा किसी क्लाउड मॉडल, API कुंजी या नेटवर्क का उपयोग नहीं किया गया।
श्रेय: हमें Jc...
[id] Jalankan Jcode di Model Lokal Sendiri: Qwen3.8 Flash-Next pada Radeon AI PRO R9700 (Tanpa Kunci API)
Jcode adalah agen pengkodean baru, gratis, dan sumber terbuka (MIT) dengan terminal yang sangat cepat. Berikut cara menjalankannya pada model lokal Anda sendiri, pada kartu grafis Anda sendiri: tanpa kunci API, dan tanpa internet setelah diinstal. Model kami: Qwen3.8 Flash-Next pada Radeon AI PRO R9700. Setiap langkah direkam secara langsung; tidak ada yang diulang.
Apakah lebih cepat daripada Pi dalam pengkodean sungguhan? Model yang sama, server yang sama, pekerjaan yang sama, 3 kali dijalankan: youtu.be
Bab
0:00 Jcode pada model Anda sendiri
0:21 Langkah 1: unduh dan verifikasi
0:52 Langkah 2: server model lokal Anda
1:17 Langkah 3: satu blok konfigurasi
1:42 Langkah 4: jawaban pertama
2:13 Langkah 5 (opsional): provider-doctor
2:33 Langkah 6: pekerjaan nyata di terminal
3:05 Langkah 7: berhenti dan lanjutkan
3:49 Langkah 8: periksa sendiri
4:02 Dua pengaturan yang akan saya ubah
4:38 Apakah lebih cepat dari Pi?
Yang Anda butuhkan
- Linux x86_64 (kami menggunakan Jcode v0.99.1, rilis diterbitkan 2026-10-22, lisensi MIT)
- Server model lokal dengan API yang kompatibel dengan OpenAI (server llama.cpp, Ollama, LM Studio...). Kami hanya menguji milik kami dengan Jcode: Strata yang melayani Qwen3.8 Flash-Next (IQ3_S) di 127.0.0.1:8018 pada Radeon AI PRO R9700.
Langkah 1 - unduh dan verifikasi (satu-satunya langkah yang membutuhkan internet)
Kami melewatkan skrip instalasi satu baris: skrip tersebut mengedit profil shell Anda dan mengirimkan peristiwa instalasi ke telemetry.jcode.sh kecuali JCODE_NO_TELEMETRY=1 atau DO_NOT_TRACK=1.
mkdir -p ~/.local/share/jcode ~/.local/bin && cd ~/.local/share/jcode
curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99…
curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99…
sha256sum -c SHA256SUMS --ignore-missing
tar xzf jcode-linux-x86_64.tar.gz
ln -s ~/.local/share/jcode/jcode-linux-x86_64 ~/.local/bin/jcode
jcode --version
Langkah 2 - periksa server model Anda dan salin ID model
curl -s 127.0.0.1
Langkah 3 - satu blok konfigurasi (~/.jcode/config.toml). Ubah alamat dan ID model menjadi milik Anda.
ekspor JCODE_NO_TELEMETRY=1 DO_NOT_TRACK=1
mkdir -p ~/.jcode
[providers.flashnext]
type = "openai-compatible"
base_url = "127.0.0.1"
auth = "none"
default_model = "qwen3.8-flash-next-iq3_s"
supports_reasoning_effort = false
[[providers.flashnext.models]]
id = "qwen3.8-flash-next-iq3_s"
context_window = 262144
[features]
check_updates = false
Langkah 4 - jawaban pertama (mode headless mencetak pemikiran satu kata per baris; itu normal)
jcode --provider-profile flashnext run "Balas dengan tepat: LOCAL-OK"
Untuk Kami: LOCAL-OK, dan sekitar 13.300 token prompt untuk satu baris (prompt sistem + 27 definisi alat).
Langkah 5 (opsional) - provider-doctor
Hanya menerima ID penyedia bawaan, bukan profil bernama. Rute bawaan membutuhkan kunci; server lokal mengabaikannya, jadi placeholder berfungsi:
OPENAI_COMPAT_API_KEY=local-placeholder JCODE_OPENAI_COMPAT_API_BASE=127.0.0.1 jcode --model qwen3.8-flash-next-iq3_s provider-doctor openai-compatible --tier full
Bagi kami: Hasil READY, 12 dari 12 pemeriksaan.
Langkah 6 - terminal interaktif di folder proyek
mkdir -p ~/projects/hello-tax && cd ~/projects/hello-tax
jcode --provider-profile flashnext
Perintah kami: tax.py dengan add_tax() dalam Desimal, pembulatan setengah ke atas, 3 kasus uji unit (satu tepat pada setengah sen), lalu jalankan pengujian.
Bagi kami: 3 pengujian OK dalam 1 menit 7 detik, sekitar 39 token per detik. Peluncuran ke baris input: 54 ms (median dari 10 peluncuran).
Langkah 7 - berhenti dan melanjutkan
Menghindari interupsi (server kami mencatat pembatalan). jcode --resume mencantumkan sesi yang tersimpan; melanjutkan berfungsi setelah penghentian server Jcode sepenuhnya. Kekurangan pada kamera: setelah melanjutkan, model mengklaim telah "mengumpulkan tabel contoh" untuk permintaan yang telah kami batalkan. Padahal tidak.
Langkah 8 - periksa pekerjaan di luar agen
python3 -m unittest -v
python3 -c 'from tax import add_tax; print(add_tax(1000, "0.05"))'
Output yang diharapkan: 1001
Dua pengaturan yang akan kami ubah
1. Secara default, Jcode tidak mengirimkan temperature, top_p, top_k, atau max_tokens. Server kami kemudian melakukan decoding greedy tanpa batasan panjang. Tambahkan sampling yang direkomendasikan model Anda di bawah [providers.flashnext], misalnya:
extra_body = { temperature = 1.0, top_p = 0.95, top_k = 20 }
2. Pada akhir sesi, Jcode melakukan panggilan model tersembunyi tambahan untuk menghemat memori (sidecar memori). Untuk mematikannya:
[agents]
memory_sidecar_enabled = false
Untuk aturan proyek, gunakan file AGENTS.md (yang berhasil dalam pengujian kami).
Pengungkapan
Claude Code menjalankan dan mengukur pengujian; semua pengkodean dilakukan oleh model lokal. Tidak ada model cloud, kunci API, dan jaringan yang digunakan oleh Jcode dalam peng...
[it] Esegui Jcode sul tuo modello locale: Qwen3.8 Flash-Next su una Radeon AI PRO R9700 (Nessuna chiav...
Jcode è un nuovo agente di programmazione gratuito e open-source (MIT) con un terminale molto veloce. Ecco come eseguirlo sul vostro modello locale, sulla vostra scheda grafica: non è necessaria una chiave API e non serve internet una volta installato. Il nostro: Qwen3.8 Flash-Next su una Radeon AI PRO R9700. Ogni passaggio è stato registrato in tempo reale; nulla è stato ricostruito.
È più veloce del Raspberry Pi nella programmazione reale? Stesso modello, stesso server, stesso job, 3 esecuzioni per ogni caso: youtu.be
Capitoli
0:00 Jcode sul tuo modello
0:21 Passaggio 1: download e verifica
0:52 Passaggio 2: il tuo server locale per i modelli
1:17 Passaggio 3: un blocco di configurazione
1:42 Passaggio 4: la prima risposta
2:13 Passaggio 5 (facoltativo): provider-doctor
2:33 Passaggio 6: un job reale nel terminale
3:05 Passaggio 7: arresto e ripresa
3:49 Passaggio 8: verifica tu stesso
4:02 Due impostazioni che cambierei
4:38 È più veloce di Raspberry Pi?
Cosa serve
- Linux x86_64 (noi abbiamo usato Jcode v0.99.1, versione pubblicata il 22/10/2026, licenza MIT)
- Un server di modelli locale con un'API compatibile con OpenAI (server llama.cpp, Ollama, LM Studio...). Noi abbiamo testato il nostro solo con Jcode: Strata che serve Qwen3.8 Flash-Next (IQ3_S) all'indirizzo 127.0.0.1:8018 su una Radeon AI PRO R9700.
Passaggio 1 - Scaricare e verificare (l'unico passaggio che richiede una connessione a Internet)
Abbiamo omesso lo script di installazione a riga singola: modifica il profilo della shell e invia un evento di installazione a telemetry.jcode.sh a meno che JCODE_NO_TELEMETRY=1 o DO_NOT_TRACK=1.
mkdir -p ~/.local/share/jcode ~/.local/bin && cd ~/.local/share/jcode
curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99…
curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99…
sha256sum -c SHA256SUMS --ignore-missing
tar xzf jcode-linux-x86_64.tar.gz
ln -s ~/.local/share/jcode/jcode-linux-x86_64 ~/.local/bin/jcode
jcode --version
Passaggio 2 - verifica il tuo server dei modelli e copia l'ID del modello
curl -s 127.0.0.1
Passaggio 3 - un blocco di configurazione (~/.jcode/config.toml). Modifica l'indirizzo e l'ID del modello con i tuoi.
export JCODE_NO_TELEMETRY=1 DO_NOT_TRACK=1
mkdir -p ~/.jcode
[providers.flashnext]
type = "openai-compatible"
base_url = "127.0.0.1"
auth = "none"
default_model = "qwen3.8-flash-next-iq3_s"
supports_reasoning_effort = false
[[providers.flashnext.models]]
id = "qwen3.8-flash-next-iq3_s"
context_window = 262144
[features]
check_updates = false
Passaggio 4 - prima risposta (la modalità headless stampa il ragionamento una parola per riga; è normale)
jcode --provider-profile flashnext run "Rispondi con esattamente: "LOCAL-OK"
Per noi: LOCAL-OK e circa 13.300 token di prompt per una riga (prompt di sistema + 27 definizioni di strumenti).
Passaggio 5 (facoltativo) - provider-doctor
Accetta solo ID provider predefiniti, non profili denominati. Il percorso predefinito richiede una chiave; un server locale la ignora, quindi un segnaposto funziona:
OPENAI_COMPAT_API_KEY=local-placeholder JCODE_OPENAI_COMPAT_API_BASE=127.0.0.1 jcode --model qwen3.8-flash-next-iq3_s provider-doctor openai-compatible --tier full
Per noi: Verdetto PRONTO, 12 controlli su 12.
Passaggio 6 - il terminale interattivo nella cartella del progetto
mkdir -p ~/projects/hello-tax && cd ~/projects/hello-tax
jcode --provider-profile flashnext
Il nostro prompt: tax.py con add_tax() in Decimal, arrotondamento per eccesso, 3 casi di unit test (uno esattamente su mezzo centesimo), quindi esegui i test.
Nel nostro caso: 3 test OK in 1 min 7 s, circa 39 token al secondo. Avvio alla riga di input: 54 ms (mediana di 10 avvii).
Passaggio 7 - arresto e ripresa
Gestione delle interruzioni (il nostro server ha registrato l'annullamento). jcode --resume elenca le sessioni salvate; la ripresa ha funzionato dopo un arresto completo del server Jcode. Un'anomalia nella registrazione: dopo la ripresa, il modello ha affermato di aver "già raccolto le tabelle di esempio" per una richiesta che avevamo annullato. Non era vero.
Passaggio 8 - verifica del funzionamento al di fuori dell'agente
python3 -m unittest -v
python3 -c 'from tax import add_tax; print(add_tax(1000, "0.05"))'
Output previsto: 1001
Due impostazioni che modificheremmo
1. Di default, Jcode non invia temperature, top_p, top_k o max_tokens. Il nostro server decodifica quindi in modo greedy senza limite di lunghezza. Aggiungi il campionamento consigliato per il tuo modello in [providers.flashnext], ad esempio:
extra_body = { temperature = 1.0, top_p = 0.95, top_k = 20 }
2. Alla fine della sessione, Jcode effettua una chiamata nascosta aggiuntiva al modello per salvare le memorie (il sidecar di memoria). Per disattivarlo:
[agents]
memory_sidecar_enabled = false
Per le regole del progetto, usa un file AGENTS.md (che ...
[pt-BR] Execute o Jcode no seu próprio modelo local: Qwen3.8 Flash-Next em uma Radeon AI PRO R9700 (Sem c...
Jcode é um novo agente de codificação gratuito e de código aberto (MIT) com um terminal muito rápido. Veja como executá-lo em seu próprio computador, em sua própria placa de vídeo: sem chave de API e sem internet após a instalação. O nosso: Qwen3.8 Flash-Next em uma Radeon AI PRO R9700. Cada etapa foi gravada ao vivo; nada foi reproduzido.
É mais rápido que o Raspberry Pi para codificação real? Mesmo modelo, mesmo servidor, mesma tarefa, 3 execuções cada: youtu.be
Capítulos
0:00 Jcode no seu próprio modelo
0:21 Passo 1: baixar e verificar
0:52 Passo 2: seu servidor de modelo local
1:17 Passo 3: um bloco de configuração
1:42 Passo 4: a primeira resposta
2:13 Passo 5 (opcional): provider-doctor
2:33 Passo 6: uma tarefa real no terminal
3:05 Passo 7: parar e retomar
3:49 Passo 8: verifique você mesmo
4:02 Duas configurações que eu mudaria
4:38 É mais rápido que o Raspberry Pi?
O que você precisa:
- Linux x86_64 (usamos o Jcode v0.99.1, versão publicada em 22/10/2026, licença MIT)
- Um servidor de modelos local com uma API compatível com OpenAI (servidor llama.cpp, Ollama, LM Studio...). Testamos o nosso apenas com o Jcode: Strata servindo Qwen3.8 Flash-Next (IQ3_S) em 127.0.0.1:8018 em uma Radeon AI PRO R9700.
Passo 1 - Baixe e verifique (o único passo que requer internet)
Pulamos o script de instalação de uma linha: ele edita seu perfil do shell e envia um evento de instalação para telemetry.jcode.sh, a menos que JCODE_NO_TELEMETRY=1 ou DO_NOT_TRACK=1.
mkdir -p ~/.local/share/jcode ~/.local/bin && cd ~/.local/share/jcode
curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99…
curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99…
sha256sum -c SHA256SUMS --ignore-missing
tar xzf jcode-linux-x86_64.tar.gz
ln -s ~/.local/share/jcode/jcode-linux-x86_64 ~/.local/bin/jcode
jcode --version
Etapa 2 - verifique seu servidor de modelos e copie o ID do modelo
curl -s 127.0.0.1
Etapa 3 - um bloco de configuração (~/.jcode/config.toml). Altere o endereço e o ID do modelo para os seus.
export JCODE_NO_TELEMETRY=1 DO_NOT_TRACK=1
mkdir -p ~/.jcode
[providers.flashnext]
type = "openai-compatible"
base_url = "127.0.0.1"
auth = "none"
default_model = "qwen3.8-flash-next-iq3_s"
supports_reasoning_effort = false
[[providers.flashnext.models]]
id = "qwen3.8-flash-next-iq3_s"
context_window = 262144
[features]
check_updates = false
Etapa 4 - primeira resposta (o modo headless imprime o raciocínio uma palavra por linha; isso é normal)
jcode --provider-profile flashnext run "Responda com exatamente: LOCAL-OK"
Para nós: LOCAL-OK e cerca de 13.300 tokens de prompt para uma linha (prompt do sistema + 27 definições de ferramentas).
Etapa 5 (opcional) - provider-doctor
Aceita apenas IDs de provedor integrados, não um perfil nomeado. A rota integrada precisa de uma chave; um servidor local a ignora, então um placeholder funciona:
OPENAI_COMPAT_API_KEY=local-placeholder JCODE_OPENAI_COMPAT_API_BASE=127.0.0.1 jcode --model qwen3.8-flash-next-iq3_s provider-doctor openai-compatible --tier full
Para nós: Veredito PRONTO, 12 de 12 verificações.
Etapa 6 - o terminal interativo em uma pasta de projeto
mkdir -p ~/projects/hello-tax && cd ~/projects/hello-tax
jcode --provider-profile flashnext
Nosso prompt: tax.py com add_tax() em Decimal, arredondando para cima pela metade, 3 casos de teste unitário (um exatamente em meio centavo), e então executar os testes.
Para nós: 3 testes OK em 1 min 7 s, cerca de 39 tokens por segundo. Tempo de inicialização para a linha de entrada: 54 ms (mediana de 10 inicializações).
Etapa 7 - parar e retomar
Escape interrupções (nosso servidor registrou o cancelamento). jcode --resume lista as sessões salvas; a retomada funcionou após uma parada completa do servidor Jcode. Problema na gravação: após a retomada, o modelo alegou que já havia "coletado as tabelas de exemplo" para uma solicitação que havíamos cancelado. Não havia.
Etapa 8 - verificar o trabalho fora do agente
python3 -m unittest -v
python3 -c 'from tax import add_tax; print(add_tax(1000, "0.05"))'
Saída esperada: 1001
Duas configurações que alteraríamos:
1. Por padrão, o Jcode não envia temperatura, top_p, top_k ou max_tokens. Nosso servidor então decodifica de forma gulosa, sem limite de comprimento. Adicione a amostragem recomendada do seu modelo em [providers.flashnext], por exemplo:
extra_body = { temperature = 1.0, top_p = 0.95, top_k = 20 }
2. Ao final da sessão, o Jcode faz uma chamada extra ao modelo oculto para economizar memória (o sidecar de memória). Para desativá-lo:
[agents]
memory_sidecar_enabled = false
Para regras de projeto, use um arquivo AGENTS.md (que funcionou em nosso teste).
Divulgação
Claude Code executou e analisou os testes; toda a codificação foi feita pelo modelo local. Nenhum modelo em nuvem, chave de API ou rede foi usado pelo Jcode nessas execuções.
Crédito: en...
1 like · 1 comment · 123 views
Mentions
开几十个 agent 会话，机器先被内存拖垮，这事有解了。 jcode 是 Rust 编程 agent 骨架，主打轻：官方实测每多开一会话只多占约 3.3MB 内存，首输入 19.1 毫秒就有反应。 适合想本地同时跑一堆 agent、不想换机器的人。 一台机器最多跑过几个 agent？ #AI编程 #Rust @grok 1jehuang/jcode
1jehuang / jcode: High performance coding agent harness written in Rust, built for heavy multi-agent dev workflows ★21383 1jehuang/jcode
Run Jcode on Your Own Local Model: Qwen3.8 Flash-Next on a Radeon AI PRO R9700 (No API Key) Jcode is a new, free, open-source (MIT) coding agent with a very fast terminal. Here is how to run it on your own local model, on your own graphics card: no API key, and no internet once it is installed. Ours: Qwen3.8 Flash-Next on a Radeon AI PRO R9700. Every step was recorded live; nothing is re-enacted. Is it faster than Pi at real coding? Same model, same server, same job, 3 runs each: youtu.be Chapters 0:00 Jcode on your own model 0:21 Step 1: download and verify 0:52 Step 2: your local model server 1:17 Step 3: one config block 1:42 Step 4: the first answer 2:13 Step 5 (optional): provider-doctor 2:33 Step 6: a real job in the terminal 3:05 Step 7: stop and resume 3:49 Step 8: check it yourself 4:02 Two settings I would change 4:38 Is it faster than Pi? What you need - Linux x86_64 (we used Jcode v0.99.1, release published 2026-10-22, MIT license) - A local model server with an OpenAI-compatible API (llama.cpp server, Ollama, LM Studio...). We only tested ours with Jcode: Strata serving Qwen3.8 Flash-Next (IQ3_S) at 127.0.0.1:8018 on a Radeon AI PRO R9700. Step 1 - download and verify (the only step that needs internet) We skipped the one-line install script: it edits your shell profile and sends an install event to telemetry.jcode.sh unless JCODE_NO_TELEMETRY=1 or DO_NOT_TRACK=1. mkdir -p ~/.local/share/jcode ~/.local/bin && cd ~/.local/share/jcode curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99… curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99… sha256sum -c SHA256SUMS --ignore-missing tar xzf jcode-linux-x86_64.tar.gz ln -s ~/.local/share/jcode/jcode-linux-x86_64 ~/.local/bin/jcode jcode --version Step 2 - check your model server and copy the model id curl -s 127.0.0.1 Step 3 - one config block (~/.jcode/config.toml). Change the address and model id to yours. export JCODE_NO_TELEMETRY=1 DO_NOT_TRACK=1 mkdir -p ~/.jcode [providers.flashnext] type = "openai-compatible" base_url = "127.0.0.1" auth = "none" default_model = "qwen3.8-flash-next-iq3_s" supports_reasoning_effort = false [[providers.flashnext.models]] id = "qwen3.8-flash-next-iq3_s" context_window = 262144 [features] check_updates = false Step 4 - first answer (headless mode prints the thinking one word per line; that is normal) jcode --provider-profile flashnext run "Reply with exactly: LOCAL-OK" For us: LOCAL-OK, and about 13,300 prompt tokens for one line (system prompt + 27 tool definitions). Step 5 (optional) - provider-doctor It only accepts built-in provider ids, not a named profile. The built-in route needs a key; a local server ignores it, so a placeholder works: OPENAI_COMPAT_API_KEY=local-placeholder JCODE_OPENAI_COMPAT_API_BASE=127.0.0.1 jcode --model qwen3.8-flash-next-iq3_s provider-doctor openai-compatible --tier full For us: Verdict READY, 12 of 12 checks. Step 6 - the interactive terminal in a project folder mkdir -p ~/projects/hello-tax && cd ~/projects/hello-tax jcode --provider-profile flashnext Our prompt: tax.py with add_tax() in Decimal, rounding half up, 3 unittest cases (one exactly on a half cent), then run the tests. For us: 3 tests OK in 1 min 7 s, about 39 tokens per second. Launch to input line: 54 ms (median of 10 launches). Step 7 - stop and resume Escape interrupts (our server logged the cancel). jcode --resume lists saved sessions; resume worked after a full Jcode server stop. Blemish on camera: after resuming, the model claimed it had "already gathered the example tables" for a request we had cancelled. It had not. Step 8 - check the work outside the agent python3 -m unittest -v python3 -c 'from tax import add_tax; print(add_tax(1000, "0.05"))' Expected output: 1001 Two settings we would change 1. Out of the box Jcode sends no temperature, top_p, top_k or max_tokens. Our server then decodes greedy with no length cap. Add your model's recommended sampling under [providers.flashnext], for example: extra_body = { temperature = 1.0, top_p = 0.95, top_k = 20 } 2. At session end Jcode makes an extra hidden model call to save memories (the memory sidecar). To turn it off: [agents] memory_sidecar_enabled = false For project rules, use an AGENTS.md file (that worked in our test). Disclosure Claude Code ran and measured the tests; all coding was done by the local model. No cloud model, no API key and no network were used by Jcode in these runs. Credit: we found Jcode through an Insider Force Short: youtube.com Links Jcode: 1jehuang/jcode Video: BizFlowAI. Voice: John Pruden. If this helped, like and subscribe, and tell me in the comments which coding agent you run on your own model. #Jcode #LocalAI #CodingAgent #Qwen #FlashNext #RadeonAIPRO #R9700 #AMD #LocalLLM [de-DE] Jcode mit eigenem lokalem Modell ausführen: Qwen3.8 Flash-Next auf einer Radeon AI PRO R9700 (Kei... Jcode ist ein neuer, kostenloser Open-Source-Codierungsagent (MIT-Lizenz) mit einem sehr schnellen Terminal. So installieren Sie ihn lokal auf Ihrem eigenen System mit Ihrer eigenen Grafikkarte: kein API-Schlüssel und keine Internetverbindung erforderlich. Unser System: Qwen 3.8 Flash-Next auf einer Radeon AI PRO R9700. Jeder Schritt wurde live aufgezeichnet; nichts wurde nachgestellt. Ist er beim Programmieren schneller als ein Raspberry Pi? Gleiches Modell, gleicher Server, gleicher Job, jeweils 3 Durchläufe: youtu.be Kapitel 0:00 Jcode für Ihr eigenes Modell 0:21 Schritt 1: Herunterladen und überprüfen 0:52 Schritt 2: Ihr lokaler Modellserver 1:17 Schritt 3: Ein Konfigurationsblock 1:42 Schritt 4: Die erste Antwort 2:13 Schritt 5 (optional): provider-doctor 2:33 Schritt 6: Ein echter Job im Terminal 3:05 Schritt 7: Stoppen und Fortsetzen 3:49 Schritt 8: Selbst überprüfen 4:02 Zwei Einstellungen, die ich ändern würde 4:38 Ist es schneller als auf dem Raspberry Pi? Voraussetzungen - Linux x86_64 (wir haben Jcode v0.99.1 verwendet, veröffentlicht am 22.10.2026, MIT-Lizenz) - Ein lokaler Modellserver mit einer OpenAI-kompatiblen API (z. B. llama.cpp-Server, Ollama, LM Studio usw.). Wir haben unsere Version ausschließlich mit Jcode getestet: Strata, das Qwen 3.8 Flash-Next (IQ3_S) unter 127.0.0.1:8018 auf einer Radeon AI PRO R9700 bereitstellt. Schritt 1 – Herunterladen und Überprüfen (der einzige Schritt, der eine Internetverbindung erfordert). Wir haben das einzeilige Installationsskript übersprungen: Es bearbeitet Ihr Shell-Profil und sendet ein Installationsereignis an telemetry.jcode.sh, es sei denn, JCODE_NO_TELEMETRY=1 oder DO_NOT_TRACK=1. mkdir -p ~/.local/share/jcode ~/.local/bin && cd ~/.local/share/jcode curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99… curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99… sha256sum -c SHA256SUMS --ignore-missing tar xzf jcode-linux-x86_64.tar.gz ln -s ~/.local/share/jcode/jcode-linux-x86_64 ~/.local/bin/jcode jcode --version Schritt 2 – Überprüfen Sie Ihren Modellserver und kopieren Sie das Modell id curl -s 127.0.0.1 Schritt 3 – Ein Konfigurationsblock (~/.jcode/config.toml). Ändern Sie die Adresse und die Modell-ID entsprechend Ihren Angaben. export JCODE_NO_TELEMETRY=1 DO_NOT_TRACK=1 mkdir -p ~/.jcode [providers.flashnext] type = "openai-compatible" base_url = "127.0.0.1" auth = "none" default_model = "qwen3.8-flash-next-iq3_s" supports_reasoning_effort = false [[providers.flashnext.models]] id = "qwen3.8-flash-next-iq3_s" context_window = 262144 [features] check_updates = false Schritt 4 – erste Antwort (im Headless-Modus wird der Denkprozess wortweise ausgegeben; das ist normal) jcode --provider-profile flashnext run "Antworten Sie genau mit: LOCAL-OK" Ergebnis: LOKAL-OK und ca. 13.300 Eingabeaufforderungs-Tokens für eine Zeile (Systemeingabeaufforderung + 27 Tool-Definitionen). Schritt 5 (optional) – provider-doctor Es werden nur integrierte Provider-IDs akzeptiert, kein benanntes Profil. Die integrierte Route benötigt einen Schlüssel; ein lokaler Server ignoriert diesen, daher funktioniert ein Platzhalter: OPENAI_COMPAT_API_KEY=local-placeholder JCODE_OPENAI_COMPAT_API_BASE=127.0.0.1 jcode --model qwen3.8-flash-next-iq3_s provider-doctor openai-compatible --tier full Für uns: Ergebnis: BEREIT, 12 von 12 Prüfungen bestanden. Schritt 6 – Das interaktive Terminal im Projektordner mkdir -p ~/projects/hello-tax && cd ~/projects/hello-tax jcode --provider-profile flashnext Unsere Eingabeaufforderung: tax.py mit add_tax() in Dezimalzahlen, aufgerundet auf die Hälfte, 3 Unittest-Fälle (einer davon genau auf einen halben Cent), dann die Tests ausführen. Bei uns: 3 Tests erfolgreich in 1 Minute 7 Sekunden, ca. 39 Token pro Sekunde. Start bis zur Eingabezeile: 54 ms (Median von 10 Starts). Schritt 7 – Stoppen und Fortsetzen Unterbrechungen umgehen (unser Server protokollierte den Abbruch). jcode --resume listet gespeicherte Sitzungen auf; das Fortsetzen funktionierte nach einem vollständigen Stopp des Jcode-Servers. Fehler im Video: Nach dem Fortsetzen behauptete das Modell, es hätte die Beispieltabellen bereits für eine abgebrochene Anfrage „abgerufen“. Das stimmte nicht. Schritt 8 – Überprüfung der Funktion außerhalb des Agenten python3 -m unittest -v python3 -c 'from tax import add_tax; print(add_tax(1000, "0.05"))' Erwartete Ausgabe: 1001 Zwei Einstellungen, die wir ändern würden: 1. Standardmäßig sendet Jcode keine Werte für temperature, top_p, top_k oder max_tokens. Unser Server dekodiert dann gierig ohne Längenbegrenzung. Fügen Sie die für Ihr Modell empfohlene Stichprobenentnahme unter [providers.flashnext] hinzu, zum Beispiel: extra_body = { temperature = 1.0, top_p = 0.95, top_k = 20 } 2. Am Ende einer Sitzung führt Jcode einen zusätzlichen, versteckten Modellaufruf durch, um Speicher zu spar... [es-US] Ejecuta Jcode en tu propio modelo local: Qwen3.8 Flash-Next en una Radeon AI PRO R9700 (Sin clave... Jcode es un nuevo agente de codificación gratuito y de código abierto (licencia MIT) con una terminal muy rápida. Aquí te mostramos cómo ejecutarlo en tu propio modelo local, con tu propia tarjeta gráfica: sin clave API y sin conexión a internet una vez instalado. Nosotros usamos una Qwen3.8 Flash-Next en una Radeon AI PRO R9700. Cada paso se grabó en directo; no se recreó nada. ¿Es más rápido que la Raspberry Pi en la codificación real? Mismo modelo, mismo servidor, misma tarea, 3 ejecuciones cada una: youtu.be Capítulos 0:00 Jcode en tu propio modelo 0:21 Paso 1: descarga y verifica 0:52 Paso 2: tu servidor local de modelos 1:17 Paso 3: un bloque de configuración 1:42 Paso 4: la primera respuesta 2:13 Paso 5 (opcional): provider-doctor 2:33 Paso 6: una tarea real en la terminal 3:05 Paso 7: detener y reanudar 3:49 Paso 8: compruébalo tú mismo 4:02 Dos configuraciones que cambiaría 4:38 ¿Es más rápido que la Raspberry Pi? Lo que necesitas - Linux x86_64 (usamos Jcode v0.99.1, versión publicada el 22/10/2026, licencia MIT) - Un servidor local de modelos con una API compatible con OpenAI (servidor llama.cpp, Ollama, LM Studio...). Solo realizamos pruebas con Jcode: Strata sirviendo Qwen3.8 Flash-Next (IQ3_S) en 127.0.0.1:8018 en una Radeon AI PRO R9700. Paso 1: descarga y verificación (el único paso que requiere conexión a internet). Omitimos el script de instalación de una sola línea: este edita tu perfil de shell y envía un evento de instalación a telemetry.jcode.sh a menos que JCODE_NO_TELEMETRY=1 o DO_NOT_TRACK=1. mkdir -p ~/.local/share/jcode ~/.local/bin && cd ~/.local/share/jcode curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99… curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99… sha256sum -c SHA256SUMS --ignore-missing tar xzf jcode-linux-x86_64.tar.gz ln -s ~/.local/share/jcode/jcode-linux-x86_64 ~/.local/bin/jcode jcode --version Paso 2: verifica tu servidor de modelos y copia el ID del modelo curl -s 127.0.0.1 Paso 3: un bloque de configuración (~/.jcode/config.toml). Modifique la dirección y el ID del modelo según corresponda. export JCODE_NO_TELEMETRY=1 DO_NOT_TRACK=1 mkdir -p ~/.jcode [providers.flashnext] type = "openai-compatible" base_url = "127.0.0.1" auth = "none" default_model = "qwen3.8-flash-next-iq3_s" supports_reasoning_effort = false [[providers.flashnext.models]] id = "qwen3.8-flash-next-iq3_s" context_window = 262144 [features] check_updates = false Paso 4 - primera respuesta (el modo sin interfaz gráfica imprime el razonamiento palabra por palabra; esto es normal) jcode --provider-profile flashnext run "Responda exactamente con: LOCAL-OK Para nosotros: LOCAL-OK, y aproximadamente 13 300 tokens de solicitud por línea (solicitud del sistema + 27 definiciones de herramientas). Paso 5 (opcional) - provider-doctor Solo acepta identificadores de proveedor integrados, no perfiles con nombre. La ruta integrada requiere una clave; un servidor local la ignora, por lo que un marcador de posición funciona: OPENAI_COMPAT_API_KEY=local-placeholder JCODE_OPENAI_COMPAT_API_BASE=127.0.0.1 jcode --model qwen3.8-flash-next-iq3_s provider-doctor openai-compatible --tier full Para nosotros: Veredicto LISTO, 12 de 12 comprobaciones. Paso 6: la terminal interactiva en la carpeta del proyecto mkdir -p ~/projects/hello-tax && cd ~/projects/hello-tax jcode --provider-profile flashnext Nuestro mensaje: tax.py con add_tax() en Decimal, redondeando la mitad hacia arriba, 3 casos de prueba unitaria (uno exactamente en medio centavo), luego ejecutar las pruebas. En nuestro caso: 3 pruebas correctas en 1 min 7 s, aproximadamente 39 tokens por segundo. Tiempo de inicio a la línea de entrada: 54 ms (mediana de 10 inicios). Paso 7: detener y reanudar Evitar interrupciones (nuestro servidor registró la cancelación). jcode --resume muestra las sesiones guardadas; la reanudación funcionó después de detener completamente el servidor Jcode. Problema con la cámara: después de reanudar, el modelo afirmó haber "recopilado ya las tablas de ejemplo" para una solicitud que habíamos cancelado. No era cierto. Paso 8 - Verificar el trabajo fuera del agente python3 -m unittest -v python3 -c 'from tax import add_tax; print(add_tax(1000, "0.05"))' Salida esperada: 1001 Dos configuraciones que modificaríamos: 1. De forma predeterminada, Jcode no envía temperatura, top_p, top_k ni max_tokens. Nuestro servidor decodifica el modelo codicioso sin límite de longitud. Agregue el muestreo recomendado de su modelo en [providers.flashnext], por ejemplo: extra_body = { temperature = 1.0, top_p = 0.95, top_k = 20 } 2. Al finalizar la sesión, Jcode realiza una llamada oculta adicional al modelo para ahorrar memoria (el sidecar de memoria). Para desactivarlo: [agents] memory_sidecar_enabled = false Para las reglas del proyecto, utilice un archivo AGENTS.md (que funcionó en ... [fr-FR] Exécuter Jcode sur votre propre modèle local : Qwen3.8 Flash-Next sur une Radeon AI PRO R9700 (sa... Jcode est un nouvel agent de programmation gratuit et open source (MIT) doté d'un terminal très rapide. Voici comment l'exécuter sur votre propre machine, avec votre propre carte graphique : aucune clé API ni connexion Internet n'est requise après l'installation. Notre configuration : Qwen3.8 Flash-Next sur une Radeon AI PRO R9700. Chaque étape a été enregistrée en direct ; aucune reconstitution n'est présentée. Est-il plus rapide qu'un Raspberry Pi pour la programmation ? Même modèle, même serveur, même tâche, 3 exécutions chacune : youtu.be Chapitres 0:00 Jcode sur votre propre modèle 0:21 Étape 1 : Téléchargement et vérification 0:52 Étape 2 : Votre serveur de modèle local 1:17 Étape 3 : Un bloc de configuration 1:42 Étape 4 : La première réponse 2:13 Étape 5 (facultative) : provider-doctor 2:33 Étape 6 : Une tâche réelle dans le terminal 3:05 Étape 7 : Arrêt et reprise 3:49 Étape 8 : Testez-le vous-même 4:02 Deux paramètres que je modifierais 4:38 Est-ce plus rapide qu’avec un Raspberry Pi ? Ce dont vous avez besoin : - Linux x86_64 (nous avons utilisé Jcode v0.99.1, version publiée le 22/10/2026, licence MIT) - Un serveur de modèles local avec une API compatible OpenAI (serveur llama.cpp, Ollama, LM Studio, etc.). Nous avons testé le nôtre uniquement avec Jcode : Strata hébergeant Qwen3.8 Flash-Next (IQ3_S) à l'adresse 127.0.0.1:8018 sur une Radeon AI PRO R9700. Étape 1 : Téléchargement et vérification (seule étape nécessitant une connexion Internet) Nous avons ignoré le script d'installation en une ligne : il modifie votre profil shell et envoie un événement d'installation à telemetry.jcode.sh sauf si JCODE_NO_TELEMETRY=1 ou DO_NOT_TRACK=1. mkdir -p ~/.local/share/jcode ~/.local/bin && cd ~/.local/share/jcode curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99… curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99… sha256sum -c SHA256SUMS --ignore-missing tar xzf jcode-linux-x86_64.tar.gz ln -s ~/.local/share/jcode/jcode-linux-x86_64 ~/.local/bin/jcode jcode --version Étape 2 - Vérifiez votre serveur de modèles et copiez l'identifiant du modèle curl -s 127.0.0.1 Étape 3 - Un bloc de configuration (~/.jcode/config.toml). Modifiez l’adresse et l’identifiant du modèle selon vos besoins. export JCODE_NO_TELEMETRY=1 DO_NOT_TRACK=1 mkdir -p ~/.jcode [providers.flashnext] type = "openai-compatible" base_url = "127.0.0.1" auth = "none" default_model = "qwen3.8-flash-next-iq3_s" supports_reasoning_effort = false [[providers.flashnext.models]] id = "qwen3.8-flash-next-iq3_s" context_window = 262144 [features] check_updates = false Étape 4 - Première réponse (en mode sans interface graphique, un mot par ligne ; c'est normal) jcode --provider-profile flashnext run "Répondre exactement : LOCAL-OK" Pour nous : LOCAL-OK, et environ 13 300 jetons d'invite pour une ligne (invite système + 27 définitions d'outils). Étape 5 (facultative) - provider-doctor Seuls les identifiants de fournisseur intégrés sont acceptés, et non un profil nommé. La route intégrée requiert une clé ; un serveur local l'ignore, un espace réservé convient donc : OPENAI_COMPAT_API_KEY=espace réservé local JCODE_OPENAI_COMPAT_API_BASE=127.0.0.1 jcode --model qwen3.8-flash-next-iq3_s provider-doctor openai-compatible --tier full Pour nous : Verdict : PRÊT, 12 vérifications sur 12. Étape 6 - Le terminal interactif dans le dossier du projet mkdir -p ~/projects/hello-tax && cd ~/projects/hello-tax jcode --provider-profile flashnext Notre invite de commande : tax.py avec add_tax() en mode décimal, arrondi à la moitié supérieure, 3 cas de tests unitaires (dont un portant précisément sur un demi-centime), puis exécution des tests. Résultats : 3 tests réussis en 1 min 7 s, soit environ 39 jetons par seconde. Lancement sur la ligne de saisie : 54 ms (médiane de 10 lancements). Étape 7 - Arrêt et reprise Gestion des interruptions (notre serveur a enregistré l'annulation). jcode --resume liste les sessions enregistrées ; la reprise a fonctionné après un arrêt complet du serveur Jcode. Problème rencontré : après la reprise, le modèle a indiqué avoir « déjà collecté les tables d'exemple » pour une requête annulée. Ce qui était faux. Étape 8 - Vérifier le fonctionnement en dehors de l'agent python3 -m unittest -v python3 -c 'from tax import add_tax; print(add_tax(1000, "0.05"))' Résultat attendu : 1001 Deux paramètres à modifier : 1. Par défaut, Jcode n'envoie ni temperature, ni top_p, ni top_k, ni max_tokens. Notre serveur effectue ensuite un décodage glouton sans limite de longueur. Ajoutez l'échantillonnage recommandé par votre modèle sous [providers.flashnext], par exemple : extra_body = { temperature = 1.0, top_p = 0.95, top_k = 20 } 2. À la fin de la session, Jcode effectue un appel de modèle caché supplémentaire pour économiser de la mémoire (le sidecar mémoi... [hi] Jcode को अपने स्थानीय मॉडल पर चलाएं: Radeon AI PRO R9700 पर Qwen3.8 Flash-Next (बिना API की) Jcode एक नया, मुफ़्त, ओपन-सोर्स (MIT) कोडिंग एजेंट है जिसमें एक बहुत तेज़ टर्मिनल है। इसे अपने लोकल मॉडल पर, अपने ग्राफ़िक्स कार्ड पर चलाने का तरीका यहाँ बताया गया है: एक बार इंस्टॉल होने के बाद API कुंजी और इंटरनेट की आवश्यकता नहीं होती। हमारा मॉडल: Radeon AI PRO R9700 पर Qwen3.8 Flash-Next। हर चरण को लाइव रिकॉर्ड किया गया है; कुछ भी दोबारा नहीं दिखाया गया है। क्या यह असली कोडिंग में Pi से तेज़ है? एक ही मॉडल, एक ही सर्वर, एक ही कार्य, प्रत्येक के 3 रन: youtu.be अध्याय 0:00 आपके अपने मॉडल पर Jcode 0:21 चरण 1: डाउनलोड करें और सत्यापित करें 0:52 चरण 2: आपका स्थानीय मॉडल सर्वर 1:17 चरण 3: एक कॉन्फ़िगरेशन ब्लॉक 1:42 चरण 4: पहला उत्तर 2:13 चरण 5 (वैकल्पिक): प्रोवाइडर-डॉक्टर 2:33 चरण 6: टर्मिनल में एक वास्तविक कार्य 3:05 चरण 7: रोकें और पुनः शुरू करें 3:49 चरण 8: स्वयं जांचें 4:02 दो सेटिंग्स जिन्हें मैं बदलना चाहूंगा 4:38 क्या यह Pi से तेज़ है? आपको क्या चाहिए - Linux x86_64 (हमने Jcode v0.99.1 का उपयोग किया, रिलीज़ 2026-10-22 को प्रकाशित हुई, MIT लाइसेंस के तहत) - OpenAI-संगत API वाला एक स्थानीय मॉडल सर्वर (llama.cpp सर्वर, Ollama, LM Studio...)। हमने केवल Jcode के साथ परीक्षण किया: Strata 127.0.0.1:8018 पर Radeon AI PRO R9700 पर Qwen3.8 Flash-Next (IQ3_S) प्रदान कर रहा है। चरण 1 - डाउनलोड करें और सत्यापित करें (यह एकमात्र चरण है जिसके लिए इंटरनेट की आवश्यकता है) हमने एक पंक्ति वाली इंस्टॉलेशन स्क्रिप्ट को छोड़ दिया: यह आपके शेल प्रोफ़ाइल को संपादित करती है और JCODE_NO_TELEMETRY=1 या DO_NOT_TRACK=1 न होने पर telemetry.jcode.sh को एक इंस्टॉलेशन इवेंट भेजती है। mkdir -p ~/.local/share/jcode ~/.local/bin && cd ~/.local/share/jcode curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99… curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99… sha256sum -c SHA256SUMS --ignore-missing tar xzf jcode-linux-x86_64.tar.gz ln -s ~/.local/share/jcode/jcode-linux-x86_64 ~/.local/bin/jcode jcode --version चरण 2 - अपने मॉडल सर्वर की जाँच करें और मॉडल को कॉपी करें आईडी curl -s 127.0.0.1 चरण 3 - एक कॉन्फ़िगरेशन ब्लॉक (~/.jcode/config.toml)। पता और मॉडल आईडी को अपने अनुसार बदलें। export JCODE_NO_TELEMETRY=1 DO_NOT_TRACK=1 mkdir -p ~/.jcode [providers.flashnext] type = "openai-compatible" base_url = "127.0.0.1" auth = "none" default_model = "qwen3.8-flash-next-iq3_s" supports_reasoning_effort = false [[providers.flashnext.models]] id = "qwen3.8-flash-next-iq3_s" context_window = 262144 [features] check_updates = false चरण 4 - पहला उत्तर (हेडलेस मोड में विचार को प्रति पंक्ति एक शब्द में प्रिंट किया जाता है; यह सामान्य है) jcode --provider-profile flashnext run "ठीक उसी तरह उत्तर दें: लोकल-ओके हमारे लिए: लोकल-ओके, और एक पंक्ति के लिए लगभग 13,300 प्रॉम्प्ट टोकन (सिस्टम प्रॉम्प्ट + 27 टूल परिभाषाएँ)। चरण 5 (वैकल्पिक) - प्रोवाइडर-डॉक्टर यह केवल बिल्ट-इन प्रोवाइडर आईडी स्वीकार करता है, नामित प्रोफ़ाइल नहीं। बिल्ट-इन रूट को एक कुंजी की आवश्यकता होती है; एक स्थानीय सर्वर इसे अनदेखा करता है, इसलिए एक प्लेसहोल्डर काम करता है: OPENAI_COMPAT_API_KEY=local-placeholder JCODE_OPENAI_COMPAT_API_BASE=127.0.0.1 jcode --model qwen3.8-flash-next-iq3_s provider-doctor openai-compatible --tier full हमारे लिए: निर्णय तैयार, 12 में से 12 जाँचें सही। चरण 6 - प्रोजेक्ट फ़ोल्डर में इंटरैक्टिव टर्मिनल mkdir -p ~/projects/hello-tax && cd ~/projects/hello-tax jcode --provider-profile flashnext हमारा प्रॉम्प्ट: tax.py जिसमें add_tax() फ़ंक्शन का उपयोग दशमलव में किया गया है, आधे को ऊपर की ओर राउंड करते हुए, 3 यूनिट टेस्ट केस (एक ठीक आधे सेंट पर), फिर टेस्ट चलाएँ। हमारे लिए: 3 टेस्ट 1 मिनट 7 सेकंड में सफलतापूर्वक पूरे हुए, लगभग 39 टोकन प्रति सेकंड। लॉन्च से इनपुट लाइन तक का समय: 54 मिलीसेकंड (10 लॉन्च का औसत)। चरण 7 - रोकें और पुनः शुरू करें इंटरप्ट से बचें (हमारे सर्वर ने रद्द करने को लॉग किया)। jcode --resume सहेजे गए सत्रों को सूचीबद्ध करता है; Jcode सर्वर को पूरी तरह से रोकने के बाद पुनः शुरू करना काम कर गया। कैमरे में गड़बड़ी: पुनः शुरू करने के बाद, मॉडल ने दावा किया कि उसने एक अनुरोध के लिए "उदाहरण तालिकाएँ पहले ही एकत्र कर ली हैं" जिसे हमने रद्द कर दिया था। ऐसा नहीं था। चरण 8 - एजेंट के बाहर किए गए कार्य की जाँच करें python3 -m unittest -v python3 -c 'from tax import add_tax; print(add_tax(1000, "0.05"))' अपेक्षित आउटपुट: 1001 दो सेटिंग्स जिन्हें हम बदलना चाहेंगे 1. Jcode डिफ़ॉल्ट रूप से तापमान, top_p, top_k या max_tokens नहीं भेजता है। हमारा सर्वर बिना किसी लंबाई सीमा के ग्रीडी डिकोडिंग करता है। अपने मॉडल की अनुशंसित सैंपलिंग को [providers.flashnext] के अंतर्गत जोड़ें, उदाहरण के लिए: extra_body = { temperature = 1.0, top_p = 0.95, top_k = 20 } 2. सत्र समाप्त होने पर Jcode मेमोरी को सहेजने के लिए एक अतिरिक्त हिडन मॉडल कॉल करता है (मेमोरी साइडकार)। इसे बंद करने के लिए: [agents] memory_sidecar_enabled = false प्रोजेक्ट नियमों के लिए, AGENTS.md फ़ाइल का उपयोग करें (जो हमारे परीक्षण में काम कर गई)। खुलासा क्लाउड कोड ने परीक्षण किए और उनका मापन किया; सभी कोडिंग स्थानीय मॉडल द्वारा की गई थी। इन परीक्षणों में Jcode द्वारा किसी क्लाउड मॉडल, API कुंजी या नेटवर्क का उपयोग नहीं किया गया। श्रेय: हमें Jc... [id] Jalankan Jcode di Model Lokal Sendiri: Qwen3.8 Flash-Next pada Radeon AI PRO R9700 (Tanpa Kunci API) Jcode adalah agen pengkodean baru, gratis, dan sumber terbuka (MIT) dengan terminal yang sangat cepat. Berikut cara menjalankannya pada model lokal Anda sendiri, pada kartu grafis Anda sendiri: tanpa kunci API, dan tanpa internet setelah diinstal. Model kami: Qwen3.8 Flash-Next pada Radeon AI PRO R9700. Setiap langkah direkam secara langsung; tidak ada yang diulang. Apakah lebih cepat daripada Pi dalam pengkodean sungguhan? Model yang sama, server yang sama, pekerjaan yang sama, 3 kali dijalankan: youtu.be Bab 0:00 Jcode pada model Anda sendiri 0:21 Langkah 1: unduh dan verifikasi 0:52 Langkah 2: server model lokal Anda 1:17 Langkah 3: satu blok konfigurasi 1:42 Langkah 4: jawaban pertama 2:13 Langkah 5 (opsional): provider-doctor 2:33 Langkah 6: pekerjaan nyata di terminal 3:05 Langkah 7: berhenti dan lanjutkan 3:49 Langkah 8: periksa sendiri 4:02 Dua pengaturan yang akan saya ubah 4:38 Apakah lebih cepat dari Pi? Yang Anda butuhkan - Linux x86_64 (kami menggunakan Jcode v0.99.1, rilis diterbitkan 2026-10-22, lisensi MIT) - Server model lokal dengan API yang kompatibel dengan OpenAI (server llama.cpp, Ollama, LM Studio...). Kami hanya menguji milik kami dengan Jcode: Strata yang melayani Qwen3.8 Flash-Next (IQ3_S) di 127.0.0.1:8018 pada Radeon AI PRO R9700. Langkah 1 - unduh dan verifikasi (satu-satunya langkah yang membutuhkan internet) Kami melewatkan skrip instalasi satu baris: skrip tersebut mengedit profil shell Anda dan mengirimkan peristiwa instalasi ke telemetry.jcode.sh kecuali JCODE_NO_TELEMETRY=1 atau DO_NOT_TRACK=1. mkdir -p ~/.local/share/jcode ~/.local/bin && cd ~/.local/share/jcode curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99… curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99… sha256sum -c SHA256SUMS --ignore-missing tar xzf jcode-linux-x86_64.tar.gz ln -s ~/.local/share/jcode/jcode-linux-x86_64 ~/.local/bin/jcode jcode --version Langkah 2 - periksa server model Anda dan salin ID model curl -s 127.0.0.1 Langkah 3 - satu blok konfigurasi (~/.jcode/config.toml). Ubah alamat dan ID model menjadi milik Anda. ekspor JCODE_NO_TELEMETRY=1 DO_NOT_TRACK=1 mkdir -p ~/.jcode [providers.flashnext] type = "openai-compatible" base_url = "127.0.0.1" auth = "none" default_model = "qwen3.8-flash-next-iq3_s" supports_reasoning_effort = false [[providers.flashnext.models]] id = "qwen3.8-flash-next-iq3_s" context_window = 262144 [features] check_updates = false Langkah 4 - jawaban pertama (mode headless mencetak pemikiran satu kata per baris; itu normal) jcode --provider-profile flashnext run "Balas dengan tepat: LOCAL-OK" Untuk Kami: LOCAL-OK, dan sekitar 13.300 token prompt untuk satu baris (prompt sistem + 27 definisi alat). Langkah 5 (opsional) - provider-doctor Hanya menerima ID penyedia bawaan, bukan profil bernama. Rute bawaan membutuhkan kunci; server lokal mengabaikannya, jadi placeholder berfungsi: OPENAI_COMPAT_API_KEY=local-placeholder JCODE_OPENAI_COMPAT_API_BASE=127.0.0.1 jcode --model qwen3.8-flash-next-iq3_s provider-doctor openai-compatible --tier full Bagi kami: Hasil READY, 12 dari 12 pemeriksaan. Langkah 6 - terminal interaktif di folder proyek mkdir -p ~/projects/hello-tax && cd ~/projects/hello-tax jcode --provider-profile flashnext Perintah kami: tax.py dengan add_tax() dalam Desimal, pembulatan setengah ke atas, 3 kasus uji unit (satu tepat pada setengah sen), lalu jalankan pengujian. Bagi kami: 3 pengujian OK dalam 1 menit 7 detik, sekitar 39 token per detik. Peluncuran ke baris input: 54 ms (median dari 10 peluncuran). Langkah 7 - berhenti dan melanjutkan Menghindari interupsi (server kami mencatat pembatalan). jcode --resume mencantumkan sesi yang tersimpan; melanjutkan berfungsi setelah penghentian server Jcode sepenuhnya. Kekurangan pada kamera: setelah melanjutkan, model mengklaim telah "mengumpulkan tabel contoh" untuk permintaan yang telah kami batalkan. Padahal tidak. Langkah 8 - periksa pekerjaan di luar agen python3 -m unittest -v python3 -c 'from tax import add_tax; print(add_tax(1000, "0.05"))' Output yang diharapkan: 1001 Dua pengaturan yang akan kami ubah 1. Secara default, Jcode tidak mengirimkan temperature, top_p, top_k, atau max_tokens. Server kami kemudian melakukan decoding greedy tanpa batasan panjang. Tambahkan sampling yang direkomendasikan model Anda di bawah [providers.flashnext], misalnya: extra_body = { temperature = 1.0, top_p = 0.95, top_k = 20 } 2. Pada akhir sesi, Jcode melakukan panggilan model tersembunyi tambahan untuk menghemat memori (sidecar memori). Untuk mematikannya: [agents] memory_sidecar_enabled = false Untuk aturan proyek, gunakan file AGENTS.md (yang berhasil dalam pengujian kami). Pengungkapan Claude Code menjalankan dan mengukur pengujian; semua pengkodean dilakukan oleh model lokal. Tidak ada model cloud, kunci API, dan jaringan yang digunakan oleh Jcode dalam peng... [it] Esegui Jcode sul tuo modello locale: Qwen3.8 Flash-Next su una Radeon AI PRO R9700 (Nessuna chiav... Jcode è un nuovo agente di programmazione gratuito e open-source (MIT) con un terminale molto veloce. Ecco come eseguirlo sul vostro modello locale, sulla vostra scheda grafica: non è necessaria una chiave API e non serve internet una volta installato. Il nostro: Qwen3.8 Flash-Next su una Radeon AI PRO R9700. Ogni passaggio è stato registrato in tempo reale; nulla è stato ricostruito. È più veloce del Raspberry Pi nella programmazione reale? Stesso modello, stesso server, stesso job, 3 esecuzioni per ogni caso: youtu.be Capitoli 0:00 Jcode sul tuo modello 0:21 Passaggio 1: download e verifica 0:52 Passaggio 2: il tuo server locale per i modelli 1:17 Passaggio 3: un blocco di configurazione 1:42 Passaggio 4: la prima risposta 2:13 Passaggio 5 (facoltativo): provider-doctor 2:33 Passaggio 6: un job reale nel terminale 3:05 Passaggio 7: arresto e ripresa 3:49 Passaggio 8: verifica tu stesso 4:02 Due impostazioni che cambierei 4:38 È più veloce di Raspberry Pi? Cosa serve - Linux x86_64 (noi abbiamo usato Jcode v0.99.1, versione pubblicata il 22/10/2026, licenza MIT) - Un server di modelli locale con un'API compatibile con OpenAI (server llama.cpp, Ollama, LM Studio...). Noi abbiamo testato il nostro solo con Jcode: Strata che serve Qwen3.8 Flash-Next (IQ3_S) all'indirizzo 127.0.0.1:8018 su una Radeon AI PRO R9700. Passaggio 1 - Scaricare e verificare (l'unico passaggio che richiede una connessione a Internet) Abbiamo omesso lo script di installazione a riga singola: modifica il profilo della shell e invia un evento di installazione a telemetry.jcode.sh a meno che JCODE_NO_TELEMETRY=1 o DO_NOT_TRACK=1. mkdir -p ~/.local/share/jcode ~/.local/bin && cd ~/.local/share/jcode curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99… curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99… sha256sum -c SHA256SUMS --ignore-missing tar xzf jcode-linux-x86_64.tar.gz ln -s ~/.local/share/jcode/jcode-linux-x86_64 ~/.local/bin/jcode jcode --version Passaggio 2 - verifica il tuo server dei modelli e copia l'ID del modello curl -s 127.0.0.1 Passaggio 3 - un blocco di configurazione (~/.jcode/config.toml). Modifica l'indirizzo e l'ID del modello con i tuoi. export JCODE_NO_TELEMETRY=1 DO_NOT_TRACK=1 mkdir -p ~/.jcode [providers.flashnext] type = "openai-compatible" base_url = "127.0.0.1" auth = "none" default_model = "qwen3.8-flash-next-iq3_s" supports_reasoning_effort = false [[providers.flashnext.models]] id = "qwen3.8-flash-next-iq3_s" context_window = 262144 [features] check_updates = false Passaggio 4 - prima risposta (la modalità headless stampa il ragionamento una parola per riga; è normale) jcode --provider-profile flashnext run "Rispondi con esattamente: "LOCAL-OK" Per noi: LOCAL-OK e circa 13.300 token di prompt per una riga (prompt di sistema + 27 definizioni di strumenti). Passaggio 5 (facoltativo) - provider-doctor Accetta solo ID provider predefiniti, non profili denominati. Il percorso predefinito richiede una chiave; un server locale la ignora, quindi un segnaposto funziona: OPENAI_COMPAT_API_KEY=local-placeholder JCODE_OPENAI_COMPAT_API_BASE=127.0.0.1 jcode --model qwen3.8-flash-next-iq3_s provider-doctor openai-compatible --tier full Per noi: Verdetto PRONTO, 12 controlli su 12. Passaggio 6 - il terminale interattivo nella cartella del progetto mkdir -p ~/projects/hello-tax && cd ~/projects/hello-tax jcode --provider-profile flashnext Il nostro prompt: tax.py con add_tax() in Decimal, arrotondamento per eccesso, 3 casi di unit test (uno esattamente su mezzo centesimo), quindi esegui i test. Nel nostro caso: 3 test OK in 1 min 7 s, circa 39 token al secondo. Avvio alla riga di input: 54 ms (mediana di 10 avvii). Passaggio 7 - arresto e ripresa Gestione delle interruzioni (il nostro server ha registrato l'annullamento). jcode --resume elenca le sessioni salvate; la ripresa ha funzionato dopo un arresto completo del server Jcode. Un'anomalia nella registrazione: dopo la ripresa, il modello ha affermato di aver "già raccolto le tabelle di esempio" per una richiesta che avevamo annullato. Non era vero. Passaggio 8 - verifica del funzionamento al di fuori dell'agente python3 -m unittest -v python3 -c 'from tax import add_tax; print(add_tax(1000, "0.05"))' Output previsto: 1001 Due impostazioni che modificheremmo 1. Di default, Jcode non invia temperature, top_p, top_k o max_tokens. Il nostro server decodifica quindi in modo greedy senza limite di lunghezza. Aggiungi il campionamento consigliato per il tuo modello in [providers.flashnext], ad esempio: extra_body = { temperature = 1.0, top_p = 0.95, top_k = 20 } 2. Alla fine della sessione, Jcode effettua una chiamata nascosta aggiuntiva al modello per salvare le memorie (il sidecar di memoria). Per disattivarlo: [agents] memory_sidecar_enabled = false Per le regole del progetto, usa un file AGENTS.md (che ... [pt-BR] Execute o Jcode no seu próprio modelo local: Qwen3.8 Flash-Next em uma Radeon AI PRO R9700 (Sem c... Jcode é um novo agente de codificação gratuito e de código aberto (MIT) com um terminal muito rápido. Veja como executá-lo em seu próprio computador, em sua própria placa de vídeo: sem chave de API e sem internet após a instalação. O nosso: Qwen3.8 Flash-Next em uma Radeon AI PRO R9700. Cada etapa foi gravada ao vivo; nada foi reproduzido. É mais rápido que o Raspberry Pi para codificação real? Mesmo modelo, mesmo servidor, mesma tarefa, 3 execuções cada: youtu.be Capítulos 0:00 Jcode no seu próprio modelo 0:21 Passo 1: baixar e verificar 0:52 Passo 2: seu servidor de modelo local 1:17 Passo 3: um bloco de configuração 1:42 Passo 4: a primeira resposta 2:13 Passo 5 (opcional): provider-doctor 2:33 Passo 6: uma tarefa real no terminal 3:05 Passo 7: parar e retomar 3:49 Passo 8: verifique você mesmo 4:02 Duas configurações que eu mudaria 4:38 É mais rápido que o Raspberry Pi? O que você precisa: - Linux x86_64 (usamos o Jcode v0.99.1, versão publicada em 22/10/2026, licença MIT) - Um servidor de modelos local com uma API compatível com OpenAI (servidor llama.cpp, Ollama, LM Studio...). Testamos o nosso apenas com o Jcode: Strata servindo Qwen3.8 Flash-Next (IQ3_S) em 127.0.0.1:8018 em uma Radeon AI PRO R9700. Passo 1 - Baixe e verifique (o único passo que requer internet) Pulamos o script de instalação de uma linha: ele edita seu perfil do shell e envia um evento de instalação para telemetry.jcode.sh, a menos que JCODE_NO_TELEMETRY=1 ou DO_NOT_TRACK=1. mkdir -p ~/.local/share/jcode ~/.local/bin && cd ~/.local/share/jcode curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99… curl -fsSLO github.com/1jehuang/jcode/releases/download/v0.99… sha256sum -c SHA256SUMS --ignore-missing tar xzf jcode-linux-x86_64.tar.gz ln -s ~/.local/share/jcode/jcode-linux-x86_64 ~/.local/bin/jcode jcode --version Etapa 2 - verifique seu servidor de modelos e copie o ID do modelo curl -s 127.0.0.1 Etapa 3 - um bloco de configuração (~/.jcode/config.toml). Altere o endereço e o ID do modelo para os seus. export JCODE_NO_TELEMETRY=1 DO_NOT_TRACK=1 mkdir -p ~/.jcode [providers.flashnext] type = "openai-compatible" base_url = "127.0.0.1" auth = "none" default_model = "qwen3.8-flash-next-iq3_s" supports_reasoning_effort = false [[providers.flashnext.models]] id = "qwen3.8-flash-next-iq3_s" context_window = 262144 [features] check_updates = false Etapa 4 - primeira resposta (o modo headless imprime o raciocínio uma palavra por linha; isso é normal) jcode --provider-profile flashnext run "Responda com exatamente: LOCAL-OK" Para nós: LOCAL-OK e cerca de 13.300 tokens de prompt para uma linha (prompt do sistema + 27 definições de ferramentas). Etapa 5 (opcional) - provider-doctor Aceita apenas IDs de provedor integrados, não um perfil nomeado. A rota integrada precisa de uma chave; um servidor local a ignora, então um placeholder funciona: OPENAI_COMPAT_API_KEY=local-placeholder JCODE_OPENAI_COMPAT_API_BASE=127.0.0.1 jcode --model qwen3.8-flash-next-iq3_s provider-doctor openai-compatible --tier full Para nós: Veredito PRONTO, 12 de 12 verificações. Etapa 6 - o terminal interativo em uma pasta de projeto mkdir -p ~/projects/hello-tax && cd ~/projects/hello-tax jcode --provider-profile flashnext Nosso prompt: tax.py com add_tax() em Decimal, arredondando para cima pela metade, 3 casos de teste unitário (um exatamente em meio centavo), e então executar os testes. Para nós: 3 testes OK em 1 min 7 s, cerca de 39 tokens por segundo. Tempo de inicialização para a linha de entrada: 54 ms (mediana de 10 inicializações). Etapa 7 - parar e retomar Escape interrupções (nosso servidor registrou o cancelamento). jcode --resume lista as sessões salvas; a retomada funcionou após uma parada completa do servidor Jcode. Problema na gravação: após a retomada, o modelo alegou que já havia "coletado as tabelas de exemplo" para uma solicitação que havíamos cancelado. Não havia. Etapa 8 - verificar o trabalho fora do agente python3 -m unittest -v python3 -c 'from tax import add_tax; print(add_tax(1000, "0.05"))' Saída esperada: 1001 Duas configurações que alteraríamos: 1. Por padrão, o Jcode não envia temperatura, top_p, top_k ou max_tokens. Nosso servidor então decodifica de forma gulosa, sem limite de comprimento. Adicione a amostragem recomendada do seu modelo em [providers.flashnext], por exemplo: extra_body = { temperature = 1.0, top_p = 0.95, top_k = 20 } 2. Ao final da sessão, o Jcode faz uma chamada extra ao modelo oculto para economizar memória (o sidecar de memória). Para desativá-lo: [agents] memory_sidecar_enabled = false Para regras de projeto, use um arquivo AGENTS.md (que funcionou em nosso teste). Divulgação Claude Code executou e analisou os testes; toda a codificação foi feita pelo modelo local. Nenhum modelo em nuvem, chave de API ou rede foi usado pelo Jcode nessas execuções. Crédito: en...
cc is heavy asf, makes multi session impossible alternative: 1jehuang/jcode (21k stars) YC backed high perf coding agent, well maintained and funded. v1 coming soon
[Niri] coding agent optimized rice Hi, made this lil coding agent, and I just realized the linux ricer crowd might like it 1jehuang/jcode. Imo it works best with niri rices cuz of how the windows open to the side. I got vim keybindings to move between windows and to spawn a window with an agent
v.99 is a big release, lots of perf improvements, native account router, openai ultrafast support, session hibernation, etc. Next release will be jcode v1, which fully redesigns swarm workers to reduce wasted work 1jehuang/jcode t.co
You commented "SWARM", so here you go. jcode — free open-source (MIT) coding agent harness in Rust 1jehuang/jcode ① Windows PowerShell: irm jcode.sh | iex ② Run jcode in your terminal ③ Connect a model: subscription login or API key ★jcode is free, model services cost extra ★RAM numbers: author's Linux tests ★Not tried by us — per public README (2026-10-12) ★Not affiliated with the dev Summary 👉 rebornlabs.kr
Check out JCode. Over 20K Github stars, written in Rust. jcode.sh 1jehuang/jcode
JCode GitHub Overview: Local Rust Coding Agent Architecture with Ollama jcode by 1jehuang: 1jehuang/jcode This overview maps JCode's local-first approach to AI-assisted software work: a Rust coding-agent harness connects terminal clients to a shared daemon and a local Ollama provider. It covers the hardware and terminal prerequisites, local model requirements, installation paths across macOS, Linux, and Windows, and the provider settings that keep inference on the machine. The discussion then follows the architecture behind a disposable Git workspace and a headless validation run, including how the daemon, tool schemas, local model, and file-creation tool fit together. It also touches on interactive terminal workflows, rendering tradeoffs, prompt-injection exposure, and why human review matters when an agent has shell access. TimeStamps: 0:00 JCode’s Local-First Agent Architecture 0:32 Hardware, Ollama, and Terminal Prerequisites 1:05 Caching a Local Model and Installing JCode 2:27 Binding JCode to Ollama 3:00 Timeouts, Display Settings, and Swarm Boundaries 3:57 Disposable Workspace and Git Context 4:32 Headless Validation and Tool Execution 5:21 Interactive TUI Tradeoffs 5:51 Prompt Injection and Human Oversight 6:24 Local Speed with Operational Boundaries 🧠 Shared daemon design and memory-aware terminal workflow 🖥️ Local Ollama routing, model requirements, and configuration boundaries 🛡️ Headless validation, prompt injection, and human oversight JCode’s appeal is a compact Rust harness that keeps local model routing, terminal workflows, and tool execution close to the developer’s machine. The tradeoff is responsibility: verify the workspace, watch commands and logs, and keep human review in the loop whenever files or repositories are untrusted. #JCode #Ollama #Rust [de-DE] JCode GitHub-Übersicht: Lokale Rust Coding-Agent-Architektur mit Ollama jcode von 1jehuang: 1jehuang/jcode Diese Übersicht beschreibt den Local-First-Ansatz von JCode für KI-gestützte Softwareentwicklung: Ein Rust-basierter Coding-Agent verbindet Terminal-Clients mit einem gemeinsamen Daemon und einem lokalen Ollama-Provider. Er behandelt die Hardware- und Terminalvoraussetzungen, die Anforderungen an das lokale Modell, die Installationspfade unter macOS, Linux und Windows sowie die Provider-Einstellungen, die die Inferenz auf dem lokalen Rechner gewährleisten. Anschließend wird die Architektur eines temporären Git-Workspaces und eines Headless-Validierungslaufs erläutert. Dabei wird auch das Zusammenspiel von Daemon, Tool-Schemas, lokalem Modell und Dateierstellungstool thematisiert. Weiterhin werden interaktive Terminal-Workflows, Kompromisse bei der Darstellung, die Auswirkungen von Prompt-Injection und die Bedeutung menschlicher Überprüfung bei Shell-Zugriff für einen Agenten angesprochen. Zeitstempel: 0:00 JCodes Local-First-Agentenarchitektur 0:32 Hardware-, Ollama- und Terminalvoraussetzungen 1:05 Lokales Modell zwischenspeichern und JCode installieren 2:27 JCode an Ollama anbinden 3:00 Timeouts, Anzeigeeinstellungen und Swarm-Grenzen 3:57 Wegwerf-Workspace und Git-Kontext 4:32 Headless-Validierung und Tool-Ausführung 5:21 Vor- und Nachteile interaktiver TUIs 5:51 Eingabeaufforderungen und menschliche Überwachung 6:24 Lokale Geschwindigkeit mit Betriebsgrenzen 🧠 Gemeinsames Daemon-Design und speicherbewusster Terminal-Workflow 🖥️ Lokales Ollama-Routing, Modellanforderungen und Konfigurationsgrenzen 🛡️ Headless-Validierung, Eingabeaufforderungen und menschliche Überwachung JCode zeichnet sich durch ein kompaktes Rust-Framework aus, das lokales Modell-Routing, Terminal-Workflows und Tool-Ausführung nahe am Rechner des Entwicklers hält. Der Kompromiss besteht in der Verantwortung: Arbeitsbereich überprüfen, Befehle und Protokolle überwachen und bei nicht vertrauenswürdigen Dateien oder Repositories eine manuelle Überprüfung einbeziehen. #JCode #Ollama #Rust
jcode: High performance coding agent harness written in rust (20.7k stars) What it does All text below is quoted directly from the project README. >The most RAM efficient harness. The most intelligent harness. Performance & Resource Efficiency: >jcode is built to be as performant and resource efficient as possible. Every metric is optimized to the bone, which is important for scaling multi-session workflows. Memory (Agent memory): >Jcode embeds each turn/response as a semantic vector. Every turn does queries a graph of memories to efficiently find related memory entries via a cosine similarity check. The embedding hits are fed into the conversation, or optionally uses a memory sideagent which verifies the memories are relevant, and potentially does more work for information retrieval before injecting into the conversation. This results in a human like memory system which allows the agent to automatically recall relevant information to the conversation without actively calling memory tools or being a token burner. Swarm: >Spawn two or more agents in the same repo, and they will automatically be managed by the server to allow native collaboration. When agent A edits a file that agent B has read (code shifting under its feet), the server notifies agent B. Agent B can ignore it if it is not relevant, or it can check the diff to make sure that it doesn't conflict. Each agent has messaging abilities, capable of DMing just one agent, broadcasting to all other agents hosted by the server, or just agents working in that repo. >Agents are also able to spawn their own swarms autonomously. They have a swarm tool which allows them to spawn in their own teamates to accomplish tasks in parallel. Doing so turns the main agent into a coordinator and the spawned agents into workers. Customizability / Self-Dev: >Tell your jcode agent to enter self dev mode, and it will start modifying its own source code. Jcode is optimized to iterate on itself. There is significant infrastructure around self development, which allows it to edit, build, and test its own source code, then reload its own binary and continue work in your (potentially many) sessions, fully automatically. Misc.: - Anthropic's Claude cache goes cold after 5 minutes. If you initiate Claude after these 5 minutes, you have a cache miss, potentially costing you lots of tokens. The ui warns you when the cache went cold, and notfies you if there was an unexpected cache miss. - Agent grep is a grep tool I made for the jcode agent. It adds file structure information (ie the list of functions, their displacement, etc) to the grep return, so that the agent can infer more of what the file doesn without actually reading the file. - Resume sessions from different harnesses. Claude code broke on you? Resume the session from jcode and continue where you left off. Session resume is supported for codex, claude code, opencode, and pi. - Skills are not all loaded on startup. The conversation is embedded as a semantic vector, and will automatically inject a skill if there is an embedding hit similar to memories. Repository 1jehuang/jcode Repository stats |Metric|Value| |:-|:-| |Stars|20,698| |Forks|2,407| |Last release|v0.95.0 (2026-10-12)| |Languages|Rust 91.8%, Python 4.7%, Shell 1.2%| |Contributors|43| |AI contributor accounts (Claude / Codex / Cursor / Copilot)|claude (71 commits)| |AI co-authored commits|Claude: 18| Main contributor |Field|Value| |:-|:-| |Name|Jeremy Huang| |GitHub|@1jehuang| |Commits to this repo|11,465 (top contributor)| |Bio|Founder of Jcode| |Company / Location|Jcode / SF| |Website|Jcode.sh| |X / Twitter|@1jehuang| |Followers|921| |Public repos|61| |On GitHub since|2021-11-13|