AI 编程 agent 领域已有 codex、deepseek dsh、pi 等成熟方案，功能层面已被充分验证。 cjh 的立身之本，是仓颉语言特性带来的差异化： 单二进制分发、强安全 DNA、多后端编译、M:N 原生并发，以及由此支撑的 多 agent 并行编排。
GitHub: https://github.com/yangyongzhen/cjh
它是什么
cjh 是仓颉语言原生实现的 coding agent harness：单二进制零依赖分发（一个文件 = 一个 agent）、语言级内存安全加持的插件信任链、以「省 token + 高执行效率」为双硬性指标的系统化工程优化。终端 TUI 与 Web 远程双驱动，并面向 多 agent 并行编排 演进（借鉴 swarm 等成熟范式，取并行子代理取向）。
cjh 从立项起就给自己立了两条硬性指标：
省 token + 高执行效率------每一项设计都围绕这两条展开。
为什么值得你关注
1. 单二进制零依赖：一个文件 = 一个 Agent
仓颉 cjnative 静态编译，产物是一个零依赖的单文件可执行程序------不需要 Python、不需要 Node、不需要任何运行时环境。下载即用，拷到任何 Linux 机器上直接跑。
| 平台 | 产物 | 依赖 |
|---|---|---|
| Linux | 单文件（15.8MB） | 仅系统 libc |
| Windows | exe + 2 个运行时 DLL（4.8MB zip） | 仅系统库 + 仓颉运行时 |
跨平台不靠解释器，靠的是仓颉多后端编译 + 终端层平台抽象（termios / Win32 条件编译，一份源码多平台二进制）。
2. 省 token 是工程化指标，不是口号
LLM 按 token 计费，coding agent 多轮工具调用 token 消耗惊人。cjh 从四个维度系统化优化：
- 工具结果截断与回溯：超长结果保留头尾 + 中间落盘，完整内容可回溯，不丢失中间信息
- 自动 Compaction：上下文超阈值自动 LLM 摘要压缩，实测 prompt 峰值从 42.9K → 9.4K tokens
- Prompt Cache 利用：缓存前缀命中，DeepSeek 实测命中率显著
- Hashline 文件改写：行号锚点 + 内容验证的精准行级编辑，避免整文件重写
3. 高执行效率：工具并行 + 持久会话
- V2d 并发执行引擎：工具调用自动做 DAG 依赖分析，无依赖的工具并行执行
- 持久 bash 会话：跨命令保留 cwd 和环境，不用每次重建
- Provider 连接预热：流式响应首包延迟显著降低
4. 安全 DNA：语言层安全 + 信任链双保险
仓颉的类型系统与内存安全从语言层面 降低恶意代码风险；插件系统叠加 SHA256 校验和 + SM2 国密签名验证 （仓颉 stdx.crypto 原生实现，零外部依赖）------插件安全是"编译期类型检查 + 信任链验证"双保险。
5. 三域 capability 安全模型
命令 / 工具 / 资源三个域的白名单 + 危险操作审批链，默认宽松、声明即严格------可控的执行边界。
6. 完整可用的产品形态
- TUI 全屏界面：差分渲染、6 套主题、多行编辑器、鼠标支持、粘贴安全
- Web 远程驱动：内置 HTTP Server + WebSocket 流式对话 + REST API + 前端 SPA，远程驱动 Agent
- 工作区管理：多项目注册 + 运行时切换（chdir 真正生效，无需重启）
- 多 Provider 开箱即用 ：OpenAI / DeepSeek / GLM / Anthropic / Ollama，
/provider热切换 - MCP 协议：仓颉语言首个 MCP 客户端实现，接入工具网络
- 技能系统：Markdown 即技能，声明式加载
7. 面向未来的多 agent 并行编排
多 agent 协作是业界成熟范式（OpenAI Swarm 的 handoff 串行交接等）。cjh 借鉴该范式、选择并行子代理 + 上下文隔离的取向：
省 token 是分工并行的核心目标，而非副产品。团队协作的常识是每个人只需知道自己职责相关的部分------子代理按任务隔离上下文，目标是同样的任务、更少的 token。这与 handoff 串行（历史持续累积）形成本质区别：后者提升吞吐，前者同时优化成本。
由仓颉 M:N 轻量线程支撑------子代理即进程内线程，调度零开销；整个多代理系统仍是一个文件。（V4 规划中，task 工具已建 explore/worker 基础）
生态溢出：5 个可独立发布的仓颉库
开发 cjh 沉淀出的资产，不是硬凑的贡献------全部零依赖或仅官方 stdx，可独立发布：
| 库 | 定位 |
|---|---|
| cjterm | 终端 UI 组件库（ANSI/差分渲染/组件/跨平台终端层） |
| cjlog | 异步日志库（级别/双文件/异常堆栈） |
| cjconfig | 通用分层配置库（环境变量 > 文件 > 默认值） |
| cjutil | 工具库（SHA-256/SM2/UTF-8/网页提取/BM25/JSON 修复/SSRF） |
| cjllm | LLM 协议库（OpenAI/Anthropic/Ollama/Mock） |
这些库是仓颉生态在 AI 编程领域的旗舰实践------仓颉能做什么，看 cjh 就知道。
快速上手
bash
# Linux：下载单文件直接跑
./cjh-v1.3.2-linux-x64
# 首次配置
mkdir -p ~/.cjh && echo '{"api_key": "sk-xxx"}' > ~/.cjh/auth.json
# 或源码构建（需仓颉 SDK 1.0.5+）
git clone https://github.com/yangyongzhen/cjh
cd cjh && source cj-env.sh && cjpm build从源码到可用的完整质量保障：238 个单元测试全绿 + 36 个 PTY 真实终端集成测试------每项能力都有测试兜底，不是演示级项目。
结语
cjh 的价值不在于"又一个 agent"，而在于证明了：仓颉语言做 coding agent，不是"用仓颉写一遍"的重复，而是单二进制、安全 DNA、原生并发、国密加密、多后端跨平台这些特性组合出来的真实优势。
如果你的项目也受困于运行时依赖、token 成本、执行效率或插件安全------cjh 给出了一个仓颉原生的完整答案。