就在今天,前DeepSeek-VL负责人张博,发布了他的创业项目,Linger,一个Personal agent。
能用电脑上已有的应用办事,把工作记忆留在本机,也能把手头的活分给多个云端助手。
官方演示里,Linger发现旧邮件写着客户在等离线功能,新版发布说明里正好写着这项功能已经上线,Linger发现了这个新变动,在周报里列出了这一项,等待自己的主人确认,可以说非常智能了。
Linger 官方周报演示,约 28 秒
更重要的是...
这个项目的源代码是公开的,大肥鱼社出来的怎么都喜欢开源?
张博在X上的贴文
说到这,好像忘了介绍张博。
张博此前在微软亚洲研究院做视觉计算研究,后来担任DeepSeek的AI研究员,负责过DeepSeek-VL项目。
DeepSeek-VL当时面向的是网页截图、文档和图表等真实场景;到了Linger,网页和文档进一步成了助手可以操作的工作环境。
怎么使用
Linger 有 Mac、Windows 和 Linux 桌面版本,按项目文档,在Mac或Windows上连接一次日常使用的Chrome,助手便能在已有登录会话里操作网页,账号凭据留在浏览器里。
它还能打开桌面应用、读取窗口内容、点击和输入,在Mac上,用户自己切换到另一个应用时,助手会停止输入,把控制权交还给用户。
官方项目介绍
张博在X上还说明了发送邮件的流程,助手会先等用户确认,宣传片里有一幕是根据语音指令给Lisa写信,约她周三下午三点讨论方案,画面把邮件主题和正文放在聊天旁边,用户在同一个界面就能读到草稿。
张博在 X 上发布的Linger官方宣传片
复杂一点的活可以拉几个助手进同一个房间,X用户逸尘到深圳后,叫来Codex和一个本地助手,请它们比较蛇口与前海。
截图里,本地助手主动补了一条修正,把前海湾和桂湾分开讨论,指出有一段滨海步道已经贯通,右侧的报告最后把推荐范围缩小到海上世界一带。
逸尘喜欢这种协作方式,也夸了报告的排版,读者还能顺着旁边的对话,看这份建议经过了哪些修改。
发布帖下也有人问,为什么不直接用DeepSeek Harness,和DS-Bot又有什么区别。
张博回复说,DS-Bot更侧重机器人在群组里协作,Linger则从个人助手如何使用本机环境出发,项目支持Pi、Claude Code和Codex。
用本地模型时,团队还做了一个调度器,优先处理用户正在等待的对话和审批,再把剩余算力留给后台任务。
Linger 给默认的个人助手起了个名字,叫「Another Me」,作为大脑来调度各个任务。
比如说,用户授权连接邮箱、聊天和会议记录后,它会在夜间把散落的信息整理成本地Wiki,打开Wiki能看到日报、项目、人物和公司。
这样,下次换一个助手跟进同一个客户,可以直接查之前谈定的事项。项目还支持实时转录会议,会后可以向助手追问决定和后续待办。
张博在X上公布的图表里,Linger 在长期对话记忆测试上给出的答题准确率是95%。
这项测试关注的是读过多轮、跨多个会话的对话后,系统还能否找回正确的细节,日常使用还要多判断一件事,什么时候需要主动把这条信息推到用户面前。
12 GB显存能跑125b模型,这听起来像是玄幻故事,但是Linger真的实现了。
团队使用的Qwen3.8-Flash-Next有1250亿个参数,压到2比特后模型文件还有约39GB,团队给出的运行配置是12GB 显存加64 GB系统内存,项目的速度表中,12 GB显存的RTX 3060每秒生成 45.5 个 token,32 GB的 RTX 5090 则是179个。
这个速度相当快了,我们自己在A 100上本地部署的Qwen3.8 27B只有50tps...
这个项目用了一个叫「PolyStrata」的架构,也就是混合专家架构。每生成一个token,只会用到一部分计算模块,也就是所谓的专家。
PolyStrata借这个特点把常用专家留在显存,其他专家放到系统内存,部分配置还会用到SSD。轮到某个模块时再去取用,显卡就无需同时装下整个模型。
普通用户安装时,可以把模型和量化版本的选择交给一个叫自动驾驶的程序「Model Autopilot」。
安装程序会根据设备可用的内存和带宽选配置,装好后用实际问答检查模型是否能跑起来。
官方给16 GB内存的 Mac 推荐的是 Spark-X2.6-4B,到了24 GB档换成量化过的 Qwen3.8-27B。
我们本地也能跑一些真的有实用价值的模型了。
再说回项目本身,这次又开源了一次,依旧开源精神,依旧大肥鱼风味。
开源好啊,开源是对的,反观CloseAI这边...
各位观众对这个项目感兴趣吗,可以在评论区留言,我来给大家出一期部署教程。
热门跟贴