DeepSeek V1 作者 Tony Zhang 创业项目曝光:开源个人 Agent Linger,12GB 显卡本地跑 125B 模型
前 DeepSeek V1 作者、DeepSeek-VL 项目负责人 Tony Zhang 公布…
文章目录
当大多数 AI 创业公司还在抢着做手机 App,一位做过 DeepSeek V1 的研究者选择了反方向:先做电脑。11 月 21 日,前 DeepSeek V1 作者、DeepSeek-VL 项目负责人 Tony Zhang 公布了自己的新项目 Linger——一个专为个人电脑设计的开源 Personal Agent。

一分钟速览
- Linger 以电脑为主战场,可直接操作已登录的浏览器、邮箱与日历,不需要重新配置一堆账号凭据。
- 核心系统叫 Another Me,每晚把收件箱、日历、聊天与会议整理成本地个人知识库。
- 支持接入第三方模型,并针对本地推理优化:12GB 显存的 RTX 3060 可跑 125B 参数模型,约 45.5 tokens/s。
- 项目开源,强调上下文、数据与智能都归用户所有。
为什么不先做 App
Tony Zhang 在官宣帖里引用了 PC 崛起的历史:1960 年代计算是中心化的,直到个人电脑把权力交到每个人手里。他的判断是,如今 AI 在数据中心训练,再以 token 的形式租给用户,这与当年的集中式计算有相似的权力结构。Linger 想做的,是把智能重新放回个人设备。
这个选择带来一个直接好处:Agent 能使用你电脑上已经登录的网页、邮件和日历,不必为每个服务重新授权。遇到卡住的地方,用户可以立刻接管鼠标和键盘,而不是对着一个黑盒等待。对办公场景来说,这种「可中断、可接管」的交互,比全自动更现实。
Another Me:先做记忆,再做主动
Linger 的核心是一个叫 Another Me 的 Agent 系统。它首先扮演记忆中枢:在本地读取收件箱、日历、聊天记录和会议内容,每晚整理成个人 Wiki,供其他 Agent 查询。在衡量长期对话记忆的 LoCoMo 基准上,Linger 报告的准确率达到 95%,高于 Mem0、MemOS 等记忆增强系统。
有了记忆,它才开始「主动」。系统会观察信息流,按重要性和紧急性决定何时提醒:周一收到客户邮件要求周五前报价,它不会立刻打断,而是等到周三早上再提示;如果会议时间临时变更,则会立即通知。用户还可以用反馈训练它,团队称之为「隐式强化」——例如你抱怨发票提醒太晚,下次遇到同类情况,它会自动生成「供应商发票→立即提醒」的规则;连续忽略快递提醒,它则学会保持沉默。
本地 125B 模型是怎么跑起来的
Linger 声称在 12GB 显存的 RTX 3060 上,可以运行 125B 参数的 Qwen3.8-Flash-Next,生成速度约 45.5 tokens/s。这个组合听起来违反直觉,关键在于它把模型与 harness 一起优化,而不是只做一层模型路由。Tony Zhang 的回应也很直接:Linger 的重点是让模型和运行框架协同,从而做到不按 token 付费、数据不出本机。
除此之外,Linger 还支持操作桌面与浏览器、组建多 Agent 团队处理复杂任务,以及会议实时转录与待办跟进。整体定位不是通用聊天助手,而是围绕办公流程优化的个人代理。
开源能否成为护城河
把系统开源,意味着商业模式不能靠卖软件许可。可能的路径是围绕本地部署、企业定制与硬件协同收费,但这需要时间验证。更现实的问题是,个人 Agent 一旦能读邮件、看日历、操作浏览器,权限边界与安全审计就成了生死线。Linger 强调数据留在本机,这是优势,也是它必须用工程细节兑现的承诺。
从 DeepSeek V1 到 Linger,Tony Zhang 的路线一脉相承:用更少的算力做更实用的事。个人 Agent 赛道已经很挤,但「电脑优先、本地优先、开源优先」这三个选择组合在一起,仍然给出了一个足够清晰的差异化答案。接下来要看的是,它能否把演示里的顺滑体验,变成日常办公中真正离不开的工具。
本文地址:https://www.163264.com/22383


