本地推理引擎PolyStrata,来源:GitHub
网友对此则表现出不同程度的好奇。有网友将其与OpenClaw作比较。张博回应称,两者都是开源个人助手,但侧重点不同:OpenClaw更侧重接入常用聊天软件,以及通过Bot和群组协作;Linger则更关注用户与Agent之间的协作,以及Agent对本地电脑环境的操作。
张博回应网友关于Linger与OpenClaw区别的评论,来源:X
还有网友问及Linger与DeepSeek DS-Bot的区别。张博称,DS-Bot是基于DeepSeek Harness开发的插件,模型可以通过用户配置的API调用;Linger则不绑定单一Harness,能够接入Claude Code、Codex和Pi等工具,也支持本地模型。其重点是让模型与Harness共同优化。
张博回应网友关于Linger与DS-Bot区别的评论,来源:X
此前,张博曾在多家科技机构从事AI研究:2013年,他本科毕业于浙江大学光电信息工程专业,2019年获得香港科技大学电子与计算机工程博士学位。随后,他加入微软亚洲研究院视觉计算组,担任高级研究员,研究方向包括计算机视觉和图像生成,并参与了CoCosNet、VQ-Diffusion、Rodin等项目。
2023年,张博加入DeepSeek担任AI科学家,并担任多模态模型DeepSeek-VL项目负责人。离开DeepSeek后,他加入浙江大学计算机科学与技术学院,担任百人计划研究员、博士生导师,并创办AI公司Simplex AI。
张博工作经历,来源:领英
此次开源,也是Simplex AI在个人Agent和本地推理方向交出的阶段性成果。
结语:Agent正面向用户的本地设备
目前,Agent的运行仍较多依赖云端模型和数据中心算力,用户需要通过API调用模型。随着端侧模型推理能力不断提升,让Agent直接运行在用户的本地设备上,逐渐成为新的探索方向。张博此次开源Linger和PolyStrata,也是在尝试优化Agent在本地的运行效果,让用户更好地掌控自己的数据和AI能力。
不过,Agent向端侧迁移并不容易。受限于设备算力和内存资源,如何在本地运行更大规模的模型,同时保证Agent的响应速度和任务执行能力,仍是这一方向需要解决的问题。



