APUS AI开源Reflex Agent：基于决策模型的循环工作架构实现3倍响应速度

一句话结论

APUS AI开源Reflex Agent，通过模型驱动架构实现响应速度最快达Claude Code的3倍，支持真正无限上下文。

关键要点

• Reflex Agent基于自研开源决策模型Reflex构建Harness，结合Continuum记忆引擎实现模型驱动的核心控制逻辑。
• 据APUS AI实验室实测，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。
• 采用Loop Working（循环工作）机制，通过"决策—执行—反馈—再决策"的循环推动任务持续向前，由决策模型承担模型路由、技能选择、结果审查和执行监督等工作。
• 通过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，减少了对压缩摘要的依赖，为长周期任务提供无限上下文支撑。
• Reflex Agent采用MIT协议开源，提供桌面端、Web和SDK三种使用方式，开发者可体验、复现并扩展。

背景与事实

2026年10月13日，麒麟合盛网络技术股份有限公司（APUS AI）宣布开源其Personal Agent产品Reflex Agent。这一开源举措是APUS AI探索Loop Working、构建Personal Agent生态系统的重要步骤。该产品并非传统意义上主要依赖代码和提示词组织Harness的方案，而是采用了独特的架构设计：基于自研开源决策模型Reflex构建Harness，并结合Continuum记忆引擎，通过模型驱动Harness核心控制逻辑，实现更高效的决策与长周期任务执行。

APUS AI实验室的实测数据显示，Reflex Agent在相关测试场景中的响应速度表现显著优于主流产品。具体而言，其响应速度最快可达Claude Code、Codex等主流Agent的3倍。这一速度优势主要源于其模型驱动的架构设计，避免了传统方案中频繁的代码解释和提示词组织开销。

在记忆能力方面，Reflex Agent通过Continuum记忆引擎实现了三种关键能力：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。这使得Agent能够在长周期任务中按需检索和调用历史信息，大幅减少对压缩摘要的依赖。APUS AI特别强调，这里的"无限上下文"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，从而实现真正意义上的无限上下文能力。

此次开源采用MIT协议，Reflex Agent提供桌面端、Web和SDK三种使用方式。项目地址为https://github.com/APUS-AI-Lab/APUS-Reflex-Agent，Reflex决策模型托管在Hugging Face平台，地址为https://huggingface.co/apus-ailab/APUS-Reflex。开发者可以自由体验、复现并在此基础上进行扩展开发。

影响分析

对于中文开发者与从业者而言，Reflex Agent的开源具有多重实际意义。首先，MIT协议为二次开发提供了最大的自由度，开发者可以将该Agent框架集成到自身的产品线中，用于构建垂直领域的智能助手。其次，模型驱动的架构设计为开发者提供了新的技术范式参考，展示了如何通过决策模型替代传统代码和提示词组织方式，这一思路可能对现有Agent开发架构产生深远影响。

从技术实践角度看，响应速度提升3倍意味着在实际应用场景中用户体验的显著改善。对于需要高频交互的任务场景，如实时客服、即时数据分析等，速度优势将直接影响业务效率。无限上下文能力则使得长周期、多步骤的复杂任务成为可能，开发者可以构建能够处理数小时甚至更长时间跨度任务的Agent系统。这一分析判断基于APUS AI公布的实测数据和架构特性，具体效果可能因使用场景、任务复杂度和硬件配置而异。

适用边界

该结论在以下条件下不成立或需要调整：若开发者的使用场景对响应速度要求不高于100毫秒级，则Reflex Agent的3倍速度优势可能不会成为关键决策因素；若任务周期较短且上下文信息有限，传统基于提示词组织的Agent方案可能具有更低的开发复杂度；在离线环境或无法访问Hugging Face模型平台的场景下，Reflex决策模型的部署将受到限制；对于资源受限的边缘设备，模型驱动架构的算力需求可能超出硬件承载能力，此时轻量化方案更为合适。

孤本观察

APUS AI通过模型驱动架构实现的速度与上下文双突破，体现了Agent技术从"提示词工程"向"决策系统工程"的范式转变，这一判断基于其公开的技术架构描述和开源协议选择，MIT协议的选择也暗示了构建生态而非封闭产品的战略意图。

来源：量子位