Prime Agent Skill：让 AI 编程智能体自己学会改进自己的实战框架

Prime Agent Skill：让 AI 编程智能体自己学会改进自己的实战框架

核心一句话：Prime Agent 是一个基于 RLM（递归语言模型）的自改进编程智能体，能在长任务中持续从错误中学习、积累经验，是目前少有的”会反思自己”的 AI 编程框架。

功能与原则

Prime Agent 围绕两个核心抽象设计：

• RLM（Recursive Language Model）：将上下文当作变量（prompt-as-a-variable），工具和子智能体作为函数调用（programmatic tool calling），运行在一个持久化 REPL 环境中。这意味着每次交互不是独立的 Chat，而是有记忆、可递归调用的程序执行流。

• Continual Harness（持续线束）：将补充提示词、记忆、Skill 描述和可复用子智能体规范存为持久状态，并通过 /refine 机制用小而证据驱动的更新来改进这些状态——不重写底层不可变系统提示词，支持快照回滚。

整体设计原则：一切皆程序（Everything is programmatic），持久化 IPython 是内置模型工具，文件操作、Shell 命令、子智能体、上下文管理全部通过代码完成，而非对话式碎片交互。

认可度

• GitHub Star：5,184 颗（截至 2026-08-07）
• 今日新增：2,271 颗——Trending 第一名，增长极为迅猛
• Built by：kevinjosethomas、snimu、sethkarten、alexzhang13、samsja 等核心贡献者
• 所属组织：PrimeIntellect-ai，专注开源 RLM/Agent 研究
• 文档站点：primeintellect.ai，有完整技术博客解释 RLM 原理

链接

GitHub：https://github.com/PrimeIntellect-ai/prime-agent

原作者

PrimeIntellect-ai — 一个开源 AI 研究组织，专注于 RLM（Recursive Language Model）和自改进智能体的理论与实践研究。核心贡献者包括 @kevinjosethomas、@snimu 等，背景多为编程智能体和强化学习方向的研究者。

介绍

Prime Agent 是一个开源编程与研究智能体，专为通用和长时间运行的任务设计。它与传统对话式 AI 编程助手最大的不同，在于内置了自改进机制——不是每次对话从零开始，而是能记住失败教训、优化操作流程。

项目基于 RLM 理论，将大模型上下文视为变量，把工具调用、子智能体调度当作函数调用，在一个持久化的 Python REPL 环境里运行。这样做的好处是：每一步操作都有编程式的记录，失败可以回溯，经验可以固化。

另一个关键设计是 Continual Harness。它将 Skill、记忆、提示词片段持久化为可改进的状态文件。开发者通过 /refine 命令让智能体回顾当前轨迹，找到弱点，然后做小而精准的更新——不是重写系统提示词，而是追加证据驱动的补丁，支持快照回滚。

Prime Agent 还支持后台持续运行（daemon 模式）、子智能体直接通信、自动压缩上下文维持长任务等特性，非常适合需要几个小时甚至几天才能完成的编程或研究任务。

特点

• RLM 持久化 REPL：上下文作为变量，工具调用像函数调用，支持递归嵌套，而非碎片化对话
• Continual Harness 自改进：每次 /refine 都能把失败经验固化到提示词/记忆里，下次同类任务不再踩同一个坑
• 一切皆程序：文件操作、Shell、工具、子智能体全部通过代码调用，方便版本控制和调试
• Skill 即 Python 包：可导入的 Python 包，内置 Skill 创建器能把重复工作流封装成可复用 Skill
• Daemon 后台运行：终端断开不影响任务运行，可随时 reattach 继续，支持心跳和定时调度
• 子智能体直接通信：多个智能体实例可互相发消息、互相调度，无需经过用户中转
• 长任务保障：自动上下文压缩、持久化目标、保留子智能体状态，跨会话保持进度

使用方法

安装（macOS / Linux）

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

安装脚本会下载版本化 release、校验 SHA-256、配置 IPython 运行时。

启动

cd /path/to/project
prime-agent

首次启动运行 /login 选择订阅或 API Key 提供方。Prime Agent 在当前目录工作，可读写文件、执行命令。

常用命令

prime-agent --resume           # 恢复保存的会话
prime-agent status             # 查看后台服务状态
prime-agent doctor [--fix]     # 检查或修复环境
prime-agent update [--force]   # 更新版本
prime-agent shutdown [--force] # 停止所有 agent
prime-agent agents             # 浏览运行中/空闲/已保存的会话
prime-agent attach <agent>     # 接入运行中的会话

创建 Skill

Prime Agent 内置 Skill 创建器，可将重复工作流封装为可导入的 Python 包，并在项目中复用。

使用场景与人群

适用场景：

• 需要数小时乃至数天的长周期编程/研究任务（如代码库重构、自动化评估、大规模数据分析）
• 研究人员运行 AI Agent 评测任务，需要记录和复现每个决策轨迹
• 开发团队需要 AI 编程智能体能够”积累经验”而非每次从零开始
• 多智能体协作场景（agent-to-agent 通信、任务分发与协调）

目标用户：

• AI 研究者（尤其是 RLM / Agent 评测方向）
• 高级开发者（需要长时间运行、可控可回滚的 AI 编程工具）
• 自动化工程师（需要 daemon 模式 + 定时调度的 AI 工作流）

输入与输出案例

案例一：让它修复一个 bug 并学会记住

用户让 Prime Agent 修复一个 GitHub Issue 中的 bug。Agent 执行了修复，但在测试阶段失败。此时运行 /refine，Agent 会回顾失败原因（可能是测试用例覆盖不足、边界条件漏掉），并将这条经验以证据驱动的方式写入 Continual Harness。下次遇到类似 Issue，Agent 会主动先检查边界条件再动手——这是真正的”从错误中学习”，而非简单的对话总结。

案例二：后台跑一个需要 3 小时的数据处理任务

prime-agent
# 进入后执行
> /goal 抓取并分析 1000 个 GitHub 仓库的 Trending 数据，输出 CSV 报告
> /autonomous on

设置好目标后开启自主模式，关闭终端。Prime Agent 会在后台持续运行，完成后通过 schedule 通知用户。整个过程不依赖终端连接，IPython 状态和子智能体全部保留，任务进度不丢失。

GitHub: https://github.com/PrimeIntellect-ai/prime-agent