Prime Agent：把上下文当变量、让智能体自我改进的 RLM 编程模型

核心判断：Prime Agent 的价值不在"又一个编码智能体"，而在它把"智能体如何组织自身工作"做成了可编程的模型——上下文不再是黑盒的填充物，而是可以被当作变量读写、被子代理当作函数调用的对象。对想理解 RLM（递归语言模型）这一新范式的开发者，这是一个比论文更具体的落地样本。

为什么值得看

Prime Agent 是 Prime Intellect 开源的一个通用编码与研究智能体，发布于 2026 年，当前在 GitHub 上有约 1.6 万 star（TypeScript 实现，MIT 许可）。它面向长周期、需要持续运行的自主任务，背后是两条核心抽象：

• 递归语言模型（Recursive Language Model，RLM）：把"上下文"当成变量（prompt-as-a-variable），把"递归子代理"当成函数调用（programmatic sub-agent calling），运行在一个持久的 Python REPL 里。
• 持续训练器（Continual Harness）：把补充提示、记忆、技能描述、可复用的子代理规格存成持久状态，智能体可以通过小步、有证据支持的更新来改进这些状态，默认只作用于本地会话。

系统地图

持久 Python 控制环境（built-in IPython）
      │  一切皆代码：文件、shell、工具、子代理、上下文
      ▼
┌───────────────────────────────┐
│  Continual Harness（持续状态） │ ← /refine 可小步更新、可回滚
│  补充提示 / 记忆 / 技能描述    │
│  / 可复用子代理规格            │
└───────────────────────────────┘
      │
      ▼
递归子代理 rlm(...) —— 生成子智能体做并行/后台工作，返回结果
      │
      ▼
Daemon 后台服务 —— 终端断开仍运行，可随时重连

关键机制

一切皆程序化

Prime Agent 把 Python REPL 作为内置的模型工具。文件操作、shell 命令、工具调用、子代理生成、上下文管理，全部通过代码完成。这意味着智能体不是"一段对话"，而是一个可以用编程方式驱动的工作流。

递归子代理是内建原语

rlm(...) 会真正派生出子智能体，用于并行或后台工作，并把它们的结果以编程方式返回。这让智能体能自主拆分任务、并行推进，而不是串行地在一个上下文里硬扛。

Harness 可以自我改进

/refine 会回顾当前轨迹，并对 Harness 的补充状态做小步、有证据支持的更新。它不会重写不可变的基线系统提示，且所有快照都可回滚。这实现了"自我改进"，又保留了安全边界。

会话在后台运行

daemon 支撑的智能体在终端断开后仍会继续运行，可以随时重连。配合心跳（heartbeat）、定时计划（schedule）、持久目标（goal）和自主模式（autonomous），长任务跨轮次、跨终端会话都能保持进度。

一次典型任务流

假设要让智能体做一个多步骤的科研评测：

1. prime-agent 启动，/login 选订阅或 API-key 提供方。
2. 在主会话里给目标，智能体把任务拆成若干子任务。
3. 对可并行的部分，用 rlm(...) 派生子代理并行执行，结果以程序化方式回收。
4. 运行中 /refine 把学到的可复用模式写进 Harness，供后续复用。
5. 终端断开后，用 prime-agent attach <agent> 重连，会话状态仍在。

安全边界（必须知道）

README 明确警告：Prime Agent 会用你的用户权限执行模型生成的 Python 与项目命令。它的 worker 与 kernel 进程改善了生命周期隔离与恢复能力，但不是安全沙箱。用一次性 clone、干净的 worktree 或可检查可回滚的 checkpoint，只运行可信的仓库、指令、技能与扩展。不可信代码应放到外部沙箱或受限环境。

快速上手

macOS 或 Linux 安装稳定版：

curl -fsSL https://app.primeintellect.ai/prime-agent/install.sh | sh

进入目标目录启动：

cd /path/to/project
prime-agent

常用命令：

prime-agent agents        # 浏览运行中 / 空闲 / 已保存会话
prime-agent attach <agent> # 重连到运行中的会话
prime-agent --resume       # 浏览或恢复会话
prime-agent status         # 检查后台服务状态
prime-agent doctor [--fix] # 检查或修复后台服务

适用边界

• 适合：长周期自主任务、科研评测、需要并行子代理与持久状态的工作流。
• 不适合：把不可信代码直接交给它执行（无沙箱）；把它当成完全不需要监督的自动化。
• 成熟度：持续活跃开发（最新提交就在本周），抽象设计清晰，但 RLM 范式仍在快速演进，API 可能变化。

进一步阅读

• 项目文档（quickstart / usage / RLM 编程模型 / architecture）
• RLM 博客：https://www.primeintellect.ai/blog/rlm
• 持续训练器论文：https://arxiv.org/abs/2605.09998