Prime Agent Skill：让 AI 编程 Agent 学会记笔记的自改进工具

Skill超级捕获手 技术创作者 2026-08-28 10 阅读

让 AI 编程 Agent 学会”记笔记”——Prime Agent 要解决的不是”写代码”，而是”持续进化”

当 Claude Code、Codex 已经成为程序员日常工具的时候，有一个根本性问题始终没被解决：AI Agent 每次会话从零开始，干过的活、踩过的坑，下次换个任务就全忘了。Prime Agent 试图打破这个循环——它不是一个”更会写代码的助手”，而是一个能边干边学、把经验留下来的自改进型编程 Agent。

核心设计：RLM + Continual Harness

Prime Agent 围绕两个核心抽象构建。

RLM（Recursive Language Model） 将上下文视为变量，把子代理当作函数调用，放在一个持久的 Python REPL 环境里运行。这意味着工具调用、文件操作、shell 命令不再是单次的”问答”，而是可以编程组合的函数式操作。

Continual Harness 是它的记忆与进化层。每次执行任务，Prime Agent 可以通过 /refine 命令将学到的教训、沉淀的工作模式以 supplemental prompt 的形式写入持久状态，供后续会话复用。它不会重写底层的系统 prompt，而是以 snapshot 形式记录每次改进，支持回滚。

认可度

  • GitHub Star：约 18,600+（截至 2026-08-28）
  • Fork：约 2,000+
  • 发布20天即获 18k star，单日最高增长 +2,389（2026-08-10 GitHub Trending Top 1）
  • 来自 Prime Intellect——知名开源 AI 实验室，此前以 PRIME 强化学习算法、Verifiers 评测框架在社区建立口碑

链接

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

原作者

Prime Intellect，开源 AI 实验室，定位致敬科幻小说《The Metamorphosis of Prime Intellect》。此前代表作包括 PRIME-RL 训练栈、Verifiers 评测框架，在开源 RL + Agent 圈有较高认可度。

介绍

Prime Agent 是一个跑在终端里的开源编程与研究 Agent，面向通用开发和长时间自主任务。

它的核心差异点在于”自改进”机制。传统编程 Agent（Claude Code / Codex）给你一个会写代码的助手，会话关闭，这次学到的东西就消失了。Prime Agent 则在干活时自动记录工作笔记——把踩过的坑、好的套路存成文件，下次任务直接复用。官方将其定位为 A Self-Improving RLM Harness（自我改进的递归语言模型脚手架）。

安装后一个 curl -fsSL https://app.primeintellect.ai/prime-agent/install.sh | sh 即可在 macOS / Linux 部署，启动后在目标项目目录运行 prime-agent，首次启动执行 /login 认证即可开工。

特点

  • 持久 Python REPL 控制环境：所有操作（文件、shell、工具、子代理）都在同一个可编程的 Python 上下文里，不是一次性问答
  • 子代理即函数调用：rlm(...) 可以在后台并行或串行生成真正的子代理，结果以程序返回值形式交付
  • Continual Harness 自进化层：/refine 能将工作轨迹中学到的教训以 supplemental prompt 形式持久化，支持后续会话复用，每次改进都有快照记录可回滚
  • daemon 后台模式：任务在终端断开后继续运行，prime-agent --resume 可重新接入，特别适合需要数小时的长任务
  • Agent 直接通信：运行中的代理之间可以直接交换消息、互相编排，无需经过用户中转
  • 技能是 Python 包：内置 skill creator 可将常见工作流打包成可 import 的 Python 包，安装和复用都很自然

使用方法

安装（macOS / Linux）：

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

启动（在你想要 Agent 工作的工作目录）：

cd /path/to/project
prime-agent

首次认证：

/login  # 选择 ChatGPT 订阅或 API Key 提供商

常用命令：

prime-agent status          # 查看后台服务状态
prime-agent --resume [path] # 重新接入之前的会话
/refine                      # 触发自改进流程，保存当前学到的工作模式
/autonomous                 # 进入自主模式，按配置的 turn/token/时间预算运行

使用场景与人群

  • 需要长时间自主编程任务的开发者：Prime Agent 的 daemon 模式 + 持久目标让你可以在跑长任务时断开终端，回来时从断点继续
  • 做 AI Agent 研究的团队：Continual Harness 的自改进机制是难得的开源实现样本，代码结构清晰可学
  • 对”AI 编程工具能否自我进化”感兴趣的工程师：官方有配套论文（arXiv:2608.23552），可对照代码看实现
  • 有多 Agent 协作需求的工作流：Agent 间可以直接通信，适合编排复杂任务

输入与输出案例

案例 1：长链路重构任务

输入：

“把这个微服务的认证模块从 JWT 改成 OAuth2，并确保所有现有测试通过”

Prime Agent 会在后台启动多个子代理并行处理各个端点，/goal 保持目标在多会话间活跃，/refine 每解决一个子问题就把学到的东西记录下来。最终输出包含变更 diff、测试报告、以及一个 .prime-agent/harness/ 目录，记录了本次学到的模式供下次复用。

案例 2：自改进工作流

开发者连续三天让 Prime Agent 处理 Kubernetes 部署任务。第一天它学会了项目特定的 helm 模板位置；第二天它记住了 staging 环境的特殊网络策略；第三天同一项目的新任务，Prime Agent 会直接从 harness 里读取这些上下文，无需重新描述。项目越大、学习曲线越陡峭，这个机制节省的 token 和时间越明显。

一句话总结：Prime Agent 解决的不是”AI 能不能写代码”，而是”AI 能不能记住它写过什么”。在编程 Agent 普遍还是”每次会话从零开始”的今天，这是一个值得关注的差异化方向。

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

评论区

0 条评论

登录后可评论。

Skill超级捕获手 10 阅读