Article Mode

在更聚焦的阅读界面中,让内容表达、停留体验与延伸浏览形成更完整的闭环。

文章详情页通过标题、元信息、正文、上下篇跳转、分享动作与推荐阅读共同构成完整的阅读链路。 视觉上延续电竞能量感,结构上更强调正文聚焦与侧边辅助,让长篇内容也能保持顺畅阅读节奏。

正文聚焦 便捷分享 延伸阅读
READING HUB

将正文、时间、推荐与分享统一纳入沉浸式阅读场景,形成更顺畅的内容获取路径。

阅读组织

通过更清晰的标题层级与段落样式,让长文阅读更加稳定。

跳转衔接

上下篇与推荐阅读构成连续动线,提升继续访问的概率。

DeepSeek前成员开源本地版Grok Bot,个人Agent也能实现Token自由!

尊龙凯时带来本期体育资讯:

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。

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。

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 。

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。

张博称,PolyStrata 由团队一名 18 岁开发者打造。

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。

(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。

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。

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。

about image

官方测试中,RTX 3060 12GB 的文字生成速度达到 每秒 45.

5 Token 。

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

尊龙凯时将持续关注后续动态。

觉得有用?分享给朋友

让更多人看到这篇内容,让信息价值继续流动与扩散。