如果你一直在跟进 Agent 的技术演进，最近一定会有一个挥之不去的印象：几乎所有的 Agent，都长着同一张脸。无论是 Claude Code、Codex，还是各家 Harness 框架，底层的组织方式都大同小异——用"提示词 + 代码"把工作流编排起来，让一个大模型在每一步"想一想、调工具、再看结果"。
这种"大模型包揽一切"的路线简单、好用，但也埋下了两个很扎手的问题：一是慢——每一步决策都要过一遍大模型，大模型多"想"一步，用户就多等一步；二是"失忆"——任务一拉长，历史超出上下文窗口，行业常见的做法是把旧对话压成摘要，而细节和出处偏偏就在压缩这一步丢掉了。
10 月 13 日，国内 AI 公司APUS（麒麟合盛）开源了个人智能体产品Reflex Agent，恰恰是对上面两个痛点做了一次针锋相对的回应。它的思路可以浓缩成两句话：用一个小而专的 4.5B 决策模型来"当 Harness 的大脑"负责决策，以及用一套"无限记忆 + 无损记忆 + 无损输入"的 Continuum 记忆引擎，把上下文从"单次窗口"里彻底解放出来。APUS 实测显示，这套组合能让 Agent 的响应速度最快达到 Claude Code、Codex 等主流 Agent 的 3 倍。
这篇文章，我想把 Reflex Agent 真正讲透：它为什么敢"不让大模型包打天下"？"模型驱动 Harness"和主流"提示词 + 代码"到底差在哪？所谓的"无限上下文"是不是营销话术？以及——这种路线，对 Agent 的下一步演进意味着什么。
Part One：先看清主流 Agent 的"通病"——慢，和失忆
在理解 Reflex Agent 之前，得先认真看看它要解决的问题。当下主流 Agent 几乎都是同一个架构范式：一个通用的、能干所有事的大模型，被塞进一个"提示词 + 代码"组织的 Harness 里，让它去调用工具、执行任务。
听着没什么问题，但仔细拆一层，就会看到两个深藏的麻烦。
第一个麻烦是"决策延迟"。在一个 Agent 的工作流里，最核心的控制问题其实是一长串"小决策"：这个需求该交给哪个工具？这一步到底做完了没有？刚才的结果有没有异常？要不要回退重来？在主流范式下，这些密密麻麻的小决策，每一步都要调用那个通用大模型来"想一下"。模型大，能力强，可也意味着"每想一步都要等一步"。尤其在需要高频连续调用工具的复杂任务里，这种延迟会被无限放大——用户明明只是想让 Ageagent 连续完成十步操作，结果每一步都要等大模型"斟酌"，体验自然大打折扣。
第二个麻烦是"长任务失忆"。任务一旦拉长，累积的历史信息很快就超出模型的上下文窗口。主流做法是把旧对话压缩成一段摘要，下次只把摘要塞回上下文。这么做确实省 token，但也埋下隐患：摘要天然是"有损"的——当初用户提的限制条件、中途某个工具返回的原始结果、某次判断的具体依据，都可能成为被省略的那部分。一旦任务需要回溯"当时到底是怎么定的"，摘要里缺失的信息就成了执行障碍。
这两个痛点，一个关乎"能不能快"，一个关乎"能不能持久"，正是 Agent 走向"真正替人干活"路上的两大拦路虎。而 Reflex Agent 的思路，是分别给它们各开了一剂药。
Part Two：用 4.5B 决策模型当"Harness 的大脑"——把决策从"提示词 + 代码"里剥离出来
先说第一剂药：给 Harness 换个"大脑"。
APUS 此前已经开源了一个自研的决策模型Reflex——它是基于Qwen3.5 的 4.5B 参数模型微调而来，专门针对三类任务设计：浏览器动作选择、工作流路由、自然语言原则判断。换句话说，这不是一个来"写文章、写代码"的生成模型，而是一个专职"替 Harness 拿主意"的轻量决策模型。
在 Reflex Agent 里，模型与 Harness 的职责被重新划分得非常清晰：
┌────────────────────────────────────────────────────────────────┐ │ Reflex Agent：决策模型驱动 Harness 的职责划分 │ │ │ │ ┌─ Reflex 决策模型 (4.5B, 专职决策) ─────────────────────┐ │ │ │ 模型路由 · 技能选择 · 完成审查 · 执行监督 │ │ │ │ ← 负责"这一步该干什么、做没做完、要不要重来" │ │ │ └──────────────────────────
