智能体长任务总“失忆”？国产开源破局，类Jev模型接管Agent调度

智东西

作者 | 王涵

编辑 | 冰倩

智东西10月14日报道，昨晚，国内科技独角兽公司APUS开源 Reflex Agent ，这套系统采用自研Reflex决策模型完成Harness（智能体执行框架）中的决策环节，围绕无限记忆、无损记忆、无损输入构建无限上下文方案，可落地可长期持续处理任务的Personal Agent（个人智能体）。

▲开源页面

Reflex Agent采用MIT协议开源，提供桌面端、Web和SDK。开发者可以复现“模型驱动Harness”的工作循环，研究无损记忆和无限上下文的实现思路，也可以基于项目做二次开发，适配自己的Agent场景。

Reflex Agent开源地址：https://github.com/APUS-AI-Lab/APUS-Reflex-Agent

APUS（麒麟合盛）成立于2014年，总部位于北京，该公司早期以C端移动互联网产品生态（如启动器、浏览器等）起家。2017年，其估值 约120亿元 。在2022年底，APUS决定将技术路线全部转向大模型，聚焦于通用与语言模型、行业通用大模型、C端手机应用和B端行业智能体。

APUS创始人兼CEO李涛 ，曾任职于三七二一，该公司后被中国雅虎收购。2005年-2009年担任北京图吧科技有限公司COO，2009年至2014年担任北京奇虎科技有限公司副总裁，2014年离职创立了APUS。

▲李涛

一、APUS用2步解决 决策延迟与长任务遗忘难题

Reflex Agent开源的背景正值AI Agent与决策模型Jev爆火之际，但行业热闹的同时，技术的痛点也非常集中。

APUS认为，当下主流Agent几乎都基于“提示词+代码”搭建Harness，每一步控制决策——从“这个需求该交给谁执行”到“任务到底做完没有”——都要调用大模型来判断。大模型每多想一步，用户就多等一步，高频工具调用场景下延迟问题尤为突出。

更棘手的是长任务中的“遗忘”问题：任务一旦拉长，历史就超出上下文窗口，行业常见的做法是把旧对话压缩成摘要，但细节和出处往往就在这一步丢失了。

APUS的解法分两步走： 用模型做Harness和无限上下文。

二、用模型做Harness：决策模型当控制中枢，响应速度提3倍

APUS此前已开源了自研决策模型Reflex，该模型基于Qwen3.5的4.5B参数模型微调，专为浏览器动作选择、工作流路由和自然语言原则判断设计。

Hugging Face：https://huggingface.co/apus-ailab/APUS-Reflex。

Reflex Agent架构采用专用决策模型驱动Harness核心控制逻辑：

1、角色分工： 专用决策模型负责判断下一步行动，Harness负责流程调度、工具管理、状态跟踪、接收执行反馈；工具负责具体操作；

2、形成闭环： 决策→ 执行→ 反馈→ 再决策。决策模型是Agent流程的控制中枢，按需调用大模型、外部工具与数据，而不是所有环节都依赖大模型；

该框架在测试场景下，页面响应速度相比同类Agent提升2-3倍，对连续操作、多轮工具调用的复杂任务体验提升明显。

三、无限上下文：三层记忆机制，造出Loop Working

第二步就是无限上下文。Reflex Agent采用 三层记忆机制 ：

1、无限记忆： 持续累积任务全量信息，为长周期任务提供完整记忆底座；

2、无损记忆： 完整保存原始信息与关联关系，支持随时回溯任务细节、历史判断依据；

3、无损输入： 检索调入当前决策上下文的信息不做有损改写，保留原文内容。

Agent不需要把全部历史一次性塞进prompt，可以根据当前任务需求检索相关记忆片段，原始信息直接参与决策，不依赖压缩摘要。

两部分合在一起，AI就能锁定用户目标、自动持续执行、自检、修正，直到任务达成的循环工作体。APUS把这种工作方式叫做Loop Working。

四、产品体系覆盖通用、垂直模型与C端B端

早在2017年，APUS筹备A股上市，彼时公司估值 约120亿元 。2019年4月，该公司撤回了IPO申请。在2020年8月，APUS转向科创板再度冲击IPO，然而最终依旧终止了。

目前，APUS已经形成基座大模型+AI应用产品框架。

2023年，APUS发布了自研的 千亿级多模态大模型“APUS大模型（AiLMe）” ，此后，其于2024年4月联合开源了 千亿参数MoE架构模型APUS-xDAN-4.0 。

在大模型的基础上，APUS构建起了产品体系：

通用与语言模型 包括天燕大模型和DeepSeek APUS加强版； 垂直行业大模型 包括奇黄大模型（医疗问诊）与智草大模型（中医诊断）等，覆盖教育、农业、网信、政务、传媒、金融、电商等领域。

基于大模型能力，APUS还推出了一系列直接面向用户的AI应用。 C端手机应用 包括APUS Launcher、APUS Booster、APUS Security、APUS Browser、APUS KATOO、APUS CutCut等； B端行业智能体 有天燕商业智能体、智草中医智能体、智能诊疗平台等。

结语：为智能体长任务提供新解法

当下AI Agent赛道热度高涨，但长任务失忆、工具调用延迟仍是阻碍实用化的核心难题。

APUS此次开源Reflex Agent，跳出 “大模型包揽全部决策” 的主流思路，把调度决策能力剥离出来独立建模，再依靠无损记忆体系保住任务细节。

这一差异化路线，也一定程度上为国内智能体生态提供了新的技术样本。当然，框架能否规模化落地、在更多复杂业务场景保持稳定，还需要开源社区持续验证迭代。

资讯由采集器定时从公开的机器人 / AI 信息源自动聚合。