一个每天消耗700万token的重度用户，最终选择自己动手造轮子。这数字相当于持续调用GPT-4写300万字小说，或者让Claude-3.5-Sonnet连续工作48小时不停歇。
Jean2的作者不是没试过现成的。Cursor、OpenCode、GLM、Minimax、GPT全家桶、OpenRouter上所有新鲜货——他全用过。但越用越发现一件事：这些工具像精装房，拎包入住很爽，想砸墙改格局就麻烦了。
2024年初，他想要一个能跨设备无缝衔接的agent。手机起草需求，电脑执行，中途能随时接管权限。听起来基础，但当时没有稳定方案。于是他开了个新项目，取名Jean2——因为第一个版本"不太行"。
精装房的隐形天花板
主流coding agent有个共同设计：出厂自带"性格"。系统prompt里塞满了预设倾向，比如优先写测试、偏好特定代码风格、自动触发某些工具链。
这对开箱即用的用户是福音，对想精细控制的人是枷锁。你可以追加自定义prompt，但只能"补充"不能"覆盖"。就像给自动驾驶汽车写驾驶建议，方向盘始终在车手里。
内置工具同理。文件读写、代码搜索、终端执行——这些功能封装得严严实实，你不能改它们的prompt，不能调整行为逻辑，甚至不知道它们具体怎么跟模型交互。想要额外能力？官方途径是接MCP（模型上下文协议）或Skill，但体验总差一截。
Jean2作者的解决方式很直接：零预设prompt，零内置工具。系统消息只由用户提供的AGENT.md和对话历史构成。工具完全外置，用任何语言写都行，通过JSON stdin/stdout通信，启动前要经过用户定义的安全检查。
这种设计把"agent"从特定场景解放出来。你可以搭编程助手，也可以搭旅行规划师、合同审查员、游戏NPC——只要写对应的工具集和系统提示。
80MB内存跑三个项目
架构上，Jean2跑成守护进程，同时暴露socket和HTTP接口。桌面客户端、手机客户端、甚至命令行，都能随时连上来。
一个典型场景：通勤路上用手机语音起草产品需求文档，到公司打开笔记本，agent已经在根据需求生成技术方案。中途需要确认数据库权限，手机弹通知，点一下放行。整个过程不需要保持客户端常驻——后台进程占用80到100MB内存，同时处理三个不同项目。
这个数字值得对比。VS Code+Copilot插件通常吃掉500MB以上，Cursor独立客户端更夸张。Jean2的轻量化来自两个取舍：不做内置UI渲染（纯数据协议），工具按需spawn而非常驻。
工具系统的设计尤其讲究。每个工具必须声明自己的可视化类型：diff、code、markdown、table、todo list……这些元数据只给客户端看，不会塞进LLM的上下文窗口。换句话说，模型只需要处理干净的JSON，显示层自己决定怎么呈现。
工具定义和描述完全由用户掌控。这意味着你可以让同一个"搜索"工具，在A项目里返回精简摘要，在B项目里输出完整引用。没有平台方强加的"最佳实践"。
乐高哲学的代价
这种自由度不是没有成本。Jean2不提供一键安装的体验，你需要自己写AGENT.md、配置工具目录、定义安全检查规则。作者的原话是：「这不是给想要"设置好就不用管"的人用的。」
但恰恰是这种"不讨好"，切中了一批用户的需求。MCP生态2024年爆发式增长，本质上是市场对"可组合AI"的投票。Jean2走得更极端——连MCP的通信层都不预设，只给最基础的进程管理+JSON管道。
有个细节能说明设计倾向：工具的安全检查是"显式且前置"的。不是运行完再审计，而是启动前就必须通过用户定义的校验。这增加了开发者的负担，但避免了"agent突然删了生产数据库"这类事后追责的困境。
作者提到自己同时用多个模型——GLM、Minimax、GPT系列、OpenRouter上的新实验品。Jean2的架构允许为不同项目绑定不同模型，甚至让子agent调用不同供应商的API。这种"模型无关"在商业化agent里很难见到，因为平台通常绑定自家或合作方的模型。
从700万到零预设
回看那个700万token的日均消耗，它既是使用强度的证明，也是挫败感的来源。当平台预设和你的工作流冲突时，每多一层抽象，就多一层摩擦。
Jean2的解法是把抽象层剥到最薄。没有"智能体框架"，没有"最佳实践封装"，只有进程、协议、JSON。这种设计哲学在软件史上反复出现：Unix管道、Docker容器、WASM模块——把复杂问题拆成可组合的简单单元，让用户自己搭。
作者没有公布用户数量，但项目开源后收到了一类特定反馈：来自其他agent开发者的issue和PR。他们不是在用Jean2替代自己的产品，而是参考它的进程管理和工具协议设计。
这或许是"乐高化"agent的终极验证——当工具制造者自己也想拆开看看时，说明模块化做到了位。
热门跟贴