APUS开源Reflex Agent：决策模型接管Harness，破解长任务遗忘
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
智东西10月14日报道，昨晚国内科技独角兽APUS把Reflex Agent开源了出来。这套系统的Harness（智能体执行框架）里，决策环节由自研的Reflex决策模型接手，思路是围绕无限记忆、无损记忆、无损输入去搭建无限上下文方案，最终做成一个能落地、能长时间持续处理任务的Personal Agent（个人智能体）。
开源页面
开源协议用的是MIT，交付形态包括桌面端、Web和SDK。开发者能照着它复现“模型驱动Harness”的工作循环，也可以研究无损记忆、无限上下文是怎么落地的，或者直接拿项目做二次开发，改成适配自己Agent场景的版本。
Reflex Agent开源地址：
https://github.com/APUS-AI-Lab/APUS-Reflex-Agent
APUS（麒麟合盛）2014年成立，总部在北京，早年靠C端移动互联网产品生态起家，启动器、浏览器都是其代表产品。2017年其估值约120亿元。到2022年底，APUS把技术路线整体转向大模型，主攻通用与语言模型、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，早年任职于三七二一，这家公司后来被中国雅虎收购。2005年-2009年他在北京图吧科技有限公司担任COO，2009年至2014年任北京奇虎科技有限公司副总裁，2014年离职后创办了APUS。
李涛
01.APUS用2步解决决策延迟与长任务遗忘难题
Reflex Agent选择开源，正赶上AI Agent和决策模型Jev走红。行业是热闹的，可技术上的痛点也扎堆。
在APUS看来，眼下主流Agent搭Harness几乎都是“提示词+代码”那一套，每一步控制决策都得叫大模型来判断——从“这个需求该交给谁执行”到“任务到底做完没有”。大模型多琢磨一步，用户就得多等一步，高频工具调用的场景里，延迟尤其扎眼。
长任务里的“遗忘”更麻烦：任务一拉长，历史就撑出上下文窗口，业内通行的办法是把旧对话压成摘要，可细节和出处恰恰在这一步没了。
APUS给出的解法是两步：用模型做Harness，以及无限上下文。
02.用模型做Harness：决策模型当控制中枢，响应速度提3倍
APUS之前已经开源过自研决策模型Reflex，它是在Qwen3.5的4.5B参数模型上微调出来的，专门干浏览器动作选择、工作流路由和自然语言原则判断这几件事。
Hugging Face：
https://huggingface.co/apus-ailab/APUS-Reflex。
Reflex Agent的架构，是用专用决策模型去驱动Harness的核心控制逻辑：
1、角色分工：判断下一步行动的是专用决策模型；流程调度、工具管理、状态跟踪、接收执行反馈归Harness；具体操作交给工具；
2、形成闭环：决策→ 执行→ 反馈→ 再决策。整个Agent流程的控制中枢是决策模型，它按需调用大模型、外部工具与数据，不是每个环节都去麻烦大模型；
测试场景里，这套框架的页面响应速度比同类Agent快2-3倍，连续操作、多轮工具调用这类复杂任务的体验提升比较明显。
03.无限上下文：三层记忆机制，造出Loop Working
第二步落在无限上下文上。Reflex Agent的记忆机制分三层：
1、无限记忆：任务全量信息持续累积，给长周期任务垫一个完整记忆底座；
2、无损记忆：原始信息和关联关系完整保留，任务细节、历史判断依据随时能回溯；
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，原文内容保留下来。
这样一来，Agent不必把全部历史一次性塞进prompt，按当前任务需求检索相关记忆片段就行，原始信息直接参与决策，压缩摘要不再是必需。
两部分合到一起，AI就能锁定用户目标、自动持续执行、自检、修正，一直循环到任务达成。APUS管这种工作方式叫Loop Working。
04.产品体系覆盖通用、垂直模型与C端B端
APUS的上市之路不算顺利。2017年筹备A股上市时，公司估值约120亿元；2019年4月，IPO申请被撤回。到了2020年8月，它又转战科创板重新冲刺，最终还是终止了。
眼下，APUS已经搭好基座大模型加AI应用的产品框架。
2023年，该公司推出自研的千亿级多模态大模型“APUS大模型（AiLMe）”；2024年4月，又联合开源了千亿参数MoE架构模型APUS-xDAN-4.0。
围绕大模型，APUS搭起了这样一套产品体系：
通用与语言模型方面，有天燕大模型和DeepSeek APUS加强版；垂直行业大模型则涵盖奇黄大模型（医疗问诊）、智草大模型（中医诊断）等，涉及教育、农业、网信、政务、传媒、金融、电商等领域。
在大模型能力之上，APUS还落地了一批直接面向用户的AI应用。C端手机应用有APUS Launcher、APUS Booster、APUS Security、APUS Browser、APUS KATOO、APUS CutCut等；B端行业智能体则包括天燕商业智能体、智草中医智能体、智能诊疗平台等。
05.结语：为智能体长任务提供新解法
AI Agent赛道眼下热度很高，可长任务失忆、工具调用延迟，仍然是挡在实用化面前的核心难题。
APUS这次开源Reflex Agent，没有走“大模型包揽全部决策”的主流路子，而是把调度决策能力单独拆出来建模，再用无损记忆体系把任务细节留住。
这条差异化路线，某种程度上也给国内智能体生态提供了一个新的技术样本。当然，框架能不能规模化落地、在更多复杂业务场景里保持稳定，还得靠开源社区不断验证和迭代。
