APUS 开源 Reflex Agent：模型驱动 Harness 加 Continuum 记忆怎么搭？
智东西 10 月 14 日晚间报道，APUS AI 正式开源了个人智能体产品 Reflex Agent，仓库地址为 APUS-AI-Lab 的 APUS-Reflex-Agent，采用 MIT 协议，提供桌面端、Web 端和 SDK。它想解决的是 Agent 圈最近最痛的一个问题：长任务跑到一半「失忆」。官方称其响应速度达到主流 Agent 的三倍。 「模型驱动 Harness」和传统提示词驱动差在哪？ 大多数 Agent 框架的控制逻辑是代码写死的：先判断任务类型、再选工具、再拼提示词，模型只负责出最终答案。Reflex Agent 的思路反过来：用一个专门的决策模型 Reflex 来驱动核心控制逻辑——什么时候该调工具、什么时候该查记忆、什么时候该收尾，这些决策本身也是模型推理出来的。这带来的好处是长任务里的策略调整更灵活，坏处是多了一次决策模型调用，链路更重。对二次开发者，MIT 协议意味着你可以把这套「模型管模型」的循环拆出来，移植到自己的 Agent 场景里研究无损记忆的实现。 Continuum 记忆引擎是「无限上下文」吗？ 宣传口径里的「无限上下文」要打折听。它不是突破单次模型调用的输入长度限制，而是外部记忆机制：Continuum 引擎长期积累、检索和调用历史任务信息，减少对压缩摘要的依赖。实际用法上，这更接近一个带检索的长期记忆库，适合需要跨任务记住用户偏好的个人助手场景。接入 SDK 时，建议先明确哪些任务需要跨会话记忆、哪些只需要会话内，什么都往记忆库里塞会让检索质量迅速劣化。 框架开源的价值从来不只是「能跑」，而是把别人踩过的记忆与调度工程一起给你。MIT 协议这一点，对想商业化的团队是最大的诚意。和现有主流框架比，Reflex Agent 的差异化在「决策也交给模型」这个激进程度上，好处是策略灵活，代价是调试难度上升——传统框架的行为可以逐行审计，模型决策的黑盒部分要靠日志回放。建议二次开发时先把决策模型的每次选择落盘，没有这套观测能力，长任务出问题时根本无从下手。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论