智能體長任務總“失憶”？國產開源破局，類Jev模型接管Agent調度

作者 | 王涵 編輯 | 冰倩 10月14日報道，昨晚，國內科技獨角獸公司APUS開源Reflex Agent，這套系統採用自研Reflex決策模型完成Harness（智能體執行框架）中的決策環節，圍繞無限記憶、無損記憶、無損輸入構建無限上下文方案，可落地可長期持續處理任務的Personal Agent（個人智能體）。▲開源頁面 Reflex Agent採用MIT協議開源，提供桌面端、Web和SDK。開發者可以復現“模型驅動Harness”的工作循環，研究無損記憶和無限上下文的實現思路，也可以基於項目做二次開發，適配自己的Agent場景。

Reflex Agent開源地址：https://github.com/APUS-AI-Lab/APUS-Reflex-Agent APUS（麒麟合盛）成立於2014年，總部位於北京，該公司早期以C端移動互聯網產品生態（如啟動器、瀏覽器等）起家。2017年，其估值約120億元。在2022年底，APUS決定將技術路線全部轉向大模型，聚焦於通用與語言模型、行業通用大模型、C端手機應用和B端行業智能體。APUS創始人兼CEO李濤，曾任職於三七二一，該公司後被中國雅虎收購。

2005年-2009年擔任北京圖吧科技有限公司COO，2009年至2014年擔任北京奇虎科技有限公司副總裁，2014年離職創立了APUS。▲李濤 一、APUS用2步解決決策延遲與長任務遺忘難題 Reflex Agent開源的背景正值AI Agent與決策模型Jev爆火之際，但行業熱鬧的同時，技術的痛點也非常集中。APUS認為，當下主流Agent幾乎都基於“提示詞+代碼”搭建Harness，每一步控制決策——從“這個需求該交給誰執行”到“任務到底做完沒有”——都要調用大模型來判斷。大模型每多想一步，用戶就多等一步，高頻工具調用場景下延遲問題尤為突出。

更棘手的是長任務中的“遺忘”問題：任務一旦拉長，歷史就超出上下文窗口，行業常見的做法是把舊對話壓縮成摘要，但細節和出處往往就在這一步丟失了。APUS的解法分兩步走：用模型做Harness和無限上下文。二、用模型做Harness：決策模型當控制中樞，響應速度提3倍 APUS此前已開源了自研決策模型Reflex，該模型基於Qwen3.5的4.5B參數模型微調，專為瀏覽器動作選擇、工作流路由和自然語言原則判斷設計。Hugging Face：https://huggingface.co/apus-ailab/APUS-Reflex。

Reflex Agent架構採用專用決策模型驅動Harness核心控制邏輯： 1、角色分工：專用決策模型負責判斷下一步行動，Harness負責流程調度、工具管理、狀態跟蹤、接收執行反饋；工具負責具體操作； 2、形成閉環：決策→ 執行→ 反饋→ 再決策。決策模型是Agent流程的控制中樞，按需調用大模型、外部工具與數據，而不是所有環節都依賴大模型； 該框架在測試場景下，頁面響應速度相比同類Agent提升2-3倍，對連續操作、多輪工具調用的複雜任務體驗提升明顯。三、無限上下文：三層記憶機制，造出Loop Working 第二步就是無限上下文。

Reflex Agent採用三層記憶機制： 1、無限記憶：持續累積任務全量信息，為長週期任務提供完整記憶底座； 2、無損記憶：完整保存原始信息與關聯關係，支持隨時回溯任務細節、歷史判斷依據； 3、無損輸入：檢索調入當前決策上下文的信息不做有損改寫，保留原文內容。Agent不需要把全部歷史一次性塞進prompt，可以根據當前任務需求檢索相關記憶片段，原始信息直接參與決策，不依賴壓縮摘要。兩部分合在一起，AI就能鎖定用戶目標、自動持續執行、自檢、修正，直到任務達成的循環工作體。APUS把這種工作方式叫做Loop Working。

四、產品體系覆蓋通用、垂直模型與C端B端 早在2017年，APUS籌備A股上市，彼時公司估值約120億元。2019年4月，該公司撤回了IPO申請。在2020年8月，APUS轉向科創板再度衝擊IPO，然而最終依舊終止了。目前，APUS已經形成基座大模型+AI應用產品框架。2023年，APUS發佈了自研的千億級多模態大模型“APUS大模型（AiLMe）”，此後，其於2024年4月聯合開源了千億參數MoE架構模型APUS-xDAN-4.0。

在大模型的基礎上，APUS構建起了產品體系： 通用與語言模型包括天燕大模型和DeepSeek APUS加強版；垂直行業大模型包括奇黃大模型（醫療問診）與智草大模型（中醫診斷）等，覆蓋教育、農業、網信、政務、傳媒、金融、電商等領域。基於大模型能力，APUS還推出了一系列直接面向用戶的AI應用。C端手機應用包括APUS Launcher、APUS Booster、APUS Security、APUS Browser、APUS KATOO、APUS CutCut等；B端行業智能體有天燕商業智能體、智草中醫智能體、智能診療平臺等。

結語：為智能體長任務提供新解法 當下AI Agent賽道熱度高漲，但長任務失憶、工具調用延遲仍是阻礙實用化的核心難題。APUS此次開源Reflex Agent，跳出 “大模型包攬全部決策” 的主流思路，把調度決策能力剝離出來獨立建模，再依靠無損記憶體系保住任務細節。這一差異化路線，也一定程度上為國內智能體生態提供了新的技術樣本。當然，框架能否規模化落地、在更多複雜業務場景保持穩定，還需要開源社區持續驗證迭代。