响应速度最高达主流Agent三倍，APUS AI开源Personal Agent产品Reflex Agent

10月13日，APUS AI（麒麟合盛网络技术股份有限公司）宣布开源其Personal Agent产品Reflex Agent。项目采用MIT协议开源，同时提供桌面端、Web与SDK三种形态，开发者可以体验、复现并继续扩展。对APUS AI来说，这是其探索Loop Working、构建Personal Agent路线的重要一步。

与主流Agent不同，Reflex Agent的核心变化在于Harness的构建方式。传统方案主要依赖代码和提示词来组织Harness，而Reflex Agent由自研的决策模型Reflex承担模型路由、技能选择、结果审查和执行监督等决策工作，把核心控制逻辑交给模型驱动。

具体而言，Agent通过“决策—执行—反馈—再决策”的循环推动任务持续向前，APUS AI把这一工作机制称为Loop Working，强调Agent不只回答问题，更要围绕用户目标持续行动。这也决定了它对长周期任务的适配方向。

记忆能力是另一个重点。Reflex Agent结合Continuum记忆引擎，通过无限记忆持续积累任务信息，以无损方式保留原始内容及其关联，并让相关历史信息尽可能以原始内容参与决策，减少对压缩摘要的依赖。

需要说明的是，这里的“无限上下文”并不意味着突破单次模型调用的输入长度限制。按项目介绍，它要解决的是让Agent的记忆与任务周期不再完全受限于单次窗口：在长周期任务中按需检索和调用历史信息，为实现真正的无限上下文提供支撑。

性能方面，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的三倍。该数字来自厂商实验室场景，实际表现仍有待第三方复现。

开源本身也是这次发布的关键信息：Agent项目托管在GitHub仓库APUS-AI-Lab/APUS-Reflex-Agent，决策模型Reflex则以apus-ailab/APUS-Reflex的名义发布。MIT协议意味着商用与二次开发的门槛相对较低，团队也能直接查看其决策与记忆模块的实现方式。

从行业视角看，Agent竞争的重心正在从“单次对话能力”转向“长周期任务与记忆管理”。把路由、技能选择、审查、监督交给决策模型，再用独立记忆层承接历史信息，是目前不少团队都在尝试的路线；Reflex Agent把这一整套做法完整开源，对其他团队的参考价值在于工程结构本身，而不只是速度数字。

接下来值得关注两点：一是社区能否复现其宣称的三倍响应速度，二是Continuum记忆引擎在真实长任务中的表现——“无限记忆”与“无损输入”如何控制成本、避免检索噪声，是这类方案共同面对的工程问题。