让AI自己改自己的脚手架：Prime Agent的RLM+Continual Harness深度解读

Claude Code、Codex 这些工具已经很强了——但你有没有一种感觉：它们的”Harness”（运行框架）是写死的。上下文窗口满了就压缩，提示词定好就不再改，Agent 学到的东西根本沉淀不下来。每次开新会话，都是从零开始。

Prime Agent 试图解决这个问题，而且思路相当根本：不只让模型会编程，让它能改自己的”脚手架”。

两个核心抽象

Prime Agent 来自 Prime Intellect（专注去中心化 AI 基础设施的团队），围绕两个核心抽象构建：

1. RLM（递归语言模型）
把”context 当成变量”，把”子代理调用”当成函数调用——全部发生在一个持久的 Python IPython REPL 里。模型不再是被动接收上下文，而是主动写代码管理自己的状态。超长会话不再有 context rot 问题，因为状态都在 REPL 变量里，不需要塞进 prompt。

2. Continual Harness（持续性 Harness）
这是最激进的部分：Agent 在跑任务的过程中，可以 CRUD 自己的补充提示词、记忆、技能描述、子代理规格。运行 /refine，模型会回顾当前轨迹，给出有证据支持的小步更新建议——但永远不会动基础的不可变系统提示。每一次更新都有快照，可回滚。

自改进是怎么工作的

传统的”自我改进 AI”听起来很吓人，但 Prime Agent 的实现相当克制：

• Base Prompt 永远不可改——/refine 只动补充层
• 每次 refine 都有快照记录，支持 rollback
• 改进是”小步、有证据的”，不是大段重写
• 真正重要的技能会走 Skill Creator 封装成可复用 Python 包

所以它不是让模型随意改自己，而是给它一个可监督的、增量进化的记忆系统。

多代理与长周期任务

Prime Agent 原生支持 Agent 间通信：子代理是真实的独立 Agent 实例，可以并行运行、后台运行、跨 session 互相发消息。daemon 机制让 session 在终端断开后依然保持运行，随时 reattach。

配合 autonomous mode（turn/token/time 四维预算控制），你可以放心让它跑一个晚上而不担心”放出去回不来”。

实测数据

搭配 Claude Opus 5，Prime Agent 在 ARC-AGI-3 上跑出 95.5%，超越人类专家参考基线 95.4%。这不是 benchmark 刷分——它反映的是”上下文管理更好 + Harness 可自适应”带来的真实能力提升。

安装与上手

一行命令：

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

首次运行 /login 选订阅或填 API Key，支持 Claude Pro/Max、ChatGPT Plus/Copilot 等，也支持 20+ 第三方 API Provider。启动后在项目目录直接 prime-agent 即可。

谁适合用

如果你已经习惯 Claude Code、Codex，想要：

• 处理真正长期、多文件、大规模重构任务
• 让 Agent 在项目里积累”机构记忆”而不是每次从零学
• 研究 RLM / Continual Harness 这条技术路线

Prime Agent 是目前最完整的开源实现。

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

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