APUS AI 开源 Reflex Agent:MIT 协议,响应最快达 Claude Code 3 倍,SDK 齐发

又一家国内厂商把 Personal Agent 的完整实现交给了开源社区。10 月 13 日，APUS AI（麒麟合盛网络技术股份有限公司）宣布开源 Personal Agent 产品 Reflex Agent，采用 MIT 协议，提供桌面端、Web 与 SDK 三种形态。按其官方实验室的说法，Reflex Agent 在相关测试场景中的响应速度最快可达 Claude Code、Codex 等主流 Agent 的 3 倍。

一、发布事实

Reflex Agent 的架构分两层：底层是自研开源决策模型 Reflex，上层是由它驱动的 Harness，配合 Continuum 记忆引擎。与传统方案用代码和提示词组织 Harness 不同，Reflex 把模型路由、技能选择、结果审查、执行监督这些决策工作交给模型本身，通过「决策—执行—反馈—再决策」的循环推动任务持续向前。APUS 把这套机制称为 Loop Working（循环工作）——Agent 不只回答问题，而是围绕用户目标持续行动。

记忆侧的 Continuum 引擎主打三点：无限记忆，持续积累任务信息；无损记忆，保留原始内容及关联；无损输入，让相关历史信息尽可能以原始内容参与决策。值得注意的是，官方对「无限上下文」的表述相当克制：它并非突破单次模型调用的输入长度限制，而是让 Agent 的记忆与任务周期不再完全受限于单次窗口。在「无限上下文」被用滥的当下，这句边界说明比多数宣传诚实。

开源内容：GitHub 仓库 APUS-AI-Lab/APUS-Reflex-Agent，决策模型 Reflex 上架 HuggingFace（apus-ailab/APUS-Reflex），MIT 协议允许商用，开发者可体验、复现并扩展。

二、意义层

对开发者来说，Reflex Agent 提供了一个可直接复现的「模型驱动 Harness」参照实现。当前主流 Agent 框架的编排层仍以工程代码为主，模型只负责生成内容；把路由、审查、监督也交给一个专职决策模型，意味着 Harness 的行为可以随模型迭代而变好，不必等框架发版。这个思路与近期「模型即操作系统」的路线一致：框架层差异被稀释，模型层差异被放大。

竞争格局上，国内 Personal Agent 赛道此前多为闭源产品或收费 SDK，MIT 协议全开源、且连决策模型权重一起开放的完整 Personal Agent 还很少见。二次开发者既可以基于 Reflex 替换自己的业务决策模型，也可以借鉴 Continuum 的记忆组织方式。若「3 倍速度」经第三方复现，对 coding agent 用户也有实际意义——Agent 任务的等待时间正是当前体验的最大瓶颈之一。

从产品形态看，Reflex Agent 对准的是 Personal Agent 这个正在快速升温的细分方向：面向个人用户的长期助理，而不是一次性的问答或单点工具。这类产品的核心难点恰好是 Reflex 选的两条线——长周期任务的持续执行，与跨会话的记忆积累。Continuum 把「无限记忆、无损记忆、无损输入」拆成三个可单独配置的能力：在长周期任务中按需检索和调用历史信息，减少对压缩摘要的依赖。压缩摘要省 token 但丢细节，原始内容参与决策保真但费上下文——把这个权衡做成可配置项，本身就是产品思路上的进步。

上手路径也不复杂：桌面端与 Web 版可以直接体验完整产品，SDK 面向想把 Reflex 嵌进自有工作流的开发者；复现实验可以直接拉 GitHub 仓库与 HuggingFace 上的 Reflex 权重。对研究 Agent 架构的团队，值得重点看两处：决策模型如何在不依赖提示词工程的前提下承担路由与审查，以及 Harness 与记忆引擎之间的数据流怎么组织——这两处是「模型驱动 Harness」路线与主流框架差异最大的地方。

三、边界与不确定性

有几处口径必须分清。其一，该文发布于量子位「量子位的朋友们」栏目，属企业供稿性质，「3 倍」是 APUS AI 实验室自测，测试场景、对照组配置与统计口径均未公开，尚无第三方复现。其二，「无限上下文」官方已自行限定：指记忆与任务周期不被单次窗口卡死，不是模型输入长度无限。其三，Reflex 决策模型本身的参数量、训练数据与基准成绩，公开渠道未见详细披露，实际能力有待社区实测验证。

一句话判断：这次开源的真正价值不在跑分，而在「决策模型驱动 Harness」这条架构路线有了可复现的 MIT 参考实现；3 倍速度暂且当作厂商口径，留给社区复现。