AI 原生全栈编程生态系统，以 Jac 语言为核心，单一文件覆盖前后端、AI 集成与云部署。
Jaseci 是一个以自研 Jac 编程语言为核心的 AI 原生全栈开发生态系统，由密歇根大学 Jason Mars 教授主导、NVIDIA Inception 项目成员身份推动研发。其核心设计目标是消除现代 AI 应用开发中的技术栈碎片化问题——开发者无需在 Python 后端、JavaScript 前端、YAML 部署配置、Prompt 工程等多个领域间切换，而是在单个 .jac 文件中完成全部工作。
语言与编译能力
Jac 采用 Python 风格语法，编译器可将 .jac 源码编译为 Python 字节码、JavaScript 和原生机器码（C-ABI 兼容），从而直接桥接 PyPI、npm 和 C 三个成熟生态的全部现有库。官方声称相比传统技术栈代码量平均减少约 10 倍。
AI 原生编程模型
通过 byllm 插件实现的 Meaning Typed Programming 是 Jaseci 的差异化核心。开发者使用 def func() -> ReturnType by llm() 语法定义函数，编译器自动从函数名、参数类型、返回类型和文档字符串中提取语义信息构造 prompt，无需手写任何 prompt 即可调用 LLM。结合内置的图节点（node）与遍历 Agent（walker）对象，天然适合构建多步骤 Agentic AI 系统。
全栈与部署一体化
jac-client 插件支持在同一文件中编写后端逻辑与 React 风格前端组件，前端可直接调用后端函数，消除 REST/HTTP/CORS 样板代码。jac-scale 插件实现从本地到生产的零配置部署：jac start app.jac --scale 一键部署到 Kubernetes，自动配置 Redis、MongoDB、JWT 认证、Swagger 文档、负载均衡和健康检查，无需 Dockerfile 或 K8s manifest。
图原生数据建模
Jaseci 内置图引擎作为核心编程范式，node 定义图节点，walker 定义在图上遍历执行的 Agent，通过 ++> 和 --> 操作符操纵图结构，图数据自动持久化（开发环境 SQLite，生产环境 MongoDB）。
当前版本为 jaseci 2.3.13，包含 jaclang 0.14.0、byllm 0.6.4、jac-client 0.3.12、jac-scale 0.2.14 等子包，均可在 PyPI 独立安装。采用 MIT 许可证。