Token导航 LogoToken导航

AI 资讯 · 智猩猩

DeepSeek前成员张博开源个人智能体Linger

更新 2026-11-19智猩猩正文 2050字阅读约 7分钟9 张图片
智猩猩AI整理
编辑:林夕

11 月 19 日,前 DeepSeek 研究科学家张博在 X 上宣布,其创办的 SimplexAI 推出并开源了个人智能体 Linger,同时展示了跨应用处理任务和多 Agent 协作等功能。

图片

团队在仓库中写道,Linger 希望把类似 Grok Bot 的使用体验带到用户自己的电脑上。

图片

它能用本地模型干活,也能直接操作电脑上的文件和应用。

这样跑模型不用再按云端 Token 计费;需要连接邮箱等外部服务时,再由用户授权接入。

张博曾任微软亚洲研究院高级研究员,后来加入 DeepSeek,负责多模态模型 DeepSeek-VL。

图片

如今,他创办的 SimplexAI 不只公开了 Linger,还公开了配套的本地推理引擎 PolyStrata。

图片

张博称,PolyStrata 由团队一名 18 岁开发者打造。

图片

它让 Linger 能在个人电脑上运行千问、DeepSeek、GLM、Gemma 等模型,并针对显存较小的设备做了优化,让模型更快开始回答,也能更好地同时处理多个任务。

01

把Codex、Claude Code拉进群,

组一支自己的Agent团队

Linger 的主助手叫 Another Me。

官方给它安排的工作包括记住个人信息、操作电脑、主动跟进,以及把长任务交给后台执行,需要多个 Agent 时,它还可以在聊天房间里组建团队

(1)多 Agent 协作,共用一份任务计划


用户提出任务后,Another Me 可以邀请已有的 Agent,也可以创建缺少的角色,把它们拉进同一个 Room。

随后,它会写出一份 team.md,列明任务目标、成员职责,以及谁把结果交给谁。

比如做一个网站,可以安排开发 Agent 写代码,再交给独立的检查 Agent 找问题。

Linger 支持交叉检查、多方案比选、反复修改等协作方式,分工和交接关系会显示在协作面板中。

图片

(2)操作本机应用,长任务交给后台


Linger 可以打开电脑上的应用、读取窗口、点击和输入,也可以使用已经登录的 Chrome。

官方列出的例子包括在 Google Sheets、Slides 和 LinkedIn 中处理工作。在 Mac 上,用户切换到其他应用时,Agent 会停止输入。

图片

耗时的任务则可以交给后台 Task,当前对话继续。用户能在任务运行时补充要求、询问进度,也可以取消后再恢复。

遇到需要批准的操作,审批请求会回到聊天窗口,完成结果或执行错误也会报告给主助手。

(3)个人 Wiki 保存背景,主动跟进待办


获得授权后,Linger 会把邮件、对话和会议内容整理成人物、项目、主题等 Wiki 页面。

换一个 Agent 接手任务,也能检索此前的进展和决定,记录中的事实带有出处,具体日期、数字和原话可以回到原始资料核对。

图片

Another Me 还会留意收件箱和日历,在需要用户处理事情时主动发消息。

它会在夜间回看用户对这些消息的反馈,再调整提醒规则。

官方将这个过程称为 Dreaming,例如同类提醒多次被拒绝后,它会减少这类打扰。

02

18岁开发者打造推理引擎,

12GB显卡跑起125B模型

Linger 发布后,张博在评论里专门给一位队友记了一功:推理引擎由团队一名 18 岁开发者打造。 

这位年轻开发者面对的问题很直接:开源模型随手就能下载,可普通人的显卡装不下怎么办?

PolyStrata 的做法,是让显卡、内存和 SSD 一起承担存储。

MoE 模型每次生成内容只调用部分专家,它便把常用专家留在显卡上,其余放到系统内存或 SSD。这样,电脑就有机会运行远超显存容量的模型。

仓库给出的例子是,一张 12GB 显存的显卡,配上 64GB 系统内存,跑起了 125B 参数的 Qwen3.8-Flash-Next。

官方测试中,RTX 3060 12GB 的文字生成速度达到每秒 45.5 Token。

图片

除了让模型装得下,张博列出的改进还包括让它更快开始回答、更好地处理多个请求,以及支持千问、DeepSeek、GLM、Gemma 等更多模型。

这些工作最终落到 Linger 上,就是让个人 Agent 能用用户自己的硬件持续干活,本地推理也无需按 Token 向云端付费。

03

DeepSeek前成员入局,

把Grok Bot式助手搬回本地

Grok Bot 让用户看到了个人 Agent 的另一种用法:

接入常用应用,交代一个目标,让它查资料、处理邮件、推进工作。

DeepSeek 前成员张博创办的 SimplexAI,则希望把类似体验搬到用户自己的电脑上。

这一步也延续了张博此前的研究经历。

他在 DeepSeek 负责过多模态模型 DeepSeek-VL,让模型理解图像、网页和文档。

如今,Linger 要进一步把这些能力用到用户的电脑上,找到项目资料、操作应用、安排分工,再把结果交回来。

用自己的硬件运行,用户就少了一层云端 Token 费用的顾虑,可以让 Agent 多试几次。

从 DeepSeek 的模型研发,到 Grok Bot 式个人助手,张博和团队已经把本地模型、多 Agent 协作和长期记忆装进了同一个产品。


对用户而言,Linger 的吸引力就在于:让自己的电脑承担更多工作,把云端 Token 账单省下来,也把日积月累的工作资料和记忆留在自己手里。

资讯来源:由AI资讯编辑整理自互联网公开内容,版权归原作者所有,未经许可,不得转载。