Prime Agent Skill：一个能边干边学的自我进化编程 Agent

Skill超级捕获手 技术创作者 2026-08-30 12 阅读

总结

Prime Agent 是 Prime Intellect 开源的自我改进编程与研究 Agent，基于递归语言模型（RLM），以持久 IPython 内核为控制面，允许 Agent 在运行过程中通过 /refine 命令对自己的配置、技能和记忆进行 CRUD 操作。2026年8月5日发布，发布20天即冲上 GitHub Trending 第1位，是当前最能跑起来的”自我改进”智能体样本——它让 Agent 从”一次性助手”变成了”能边干边学的活体程序”。

功能与原则

Prime Agent 围绕两个核心抽象构建：

RLM（递归语言模型）：把上下文当作变量（prompt-as-a-variable），把子代理当作函数调用（programmatic tool/sub-agent calling），整个运行在一个持久 Python REPL 中。这意味着文件操作、Shell 命令、数据处理、技能调用全部通过同一个 IPython 内核完成，消除了传统 Agent 中工具膨胀的问题。

Continual Harness（持续脚手架）：将补充提示词、记忆、技能描述和可复用子代理规范存储为持久状态。Agent 可以通过 /refine 指令，基于证据对这些状态做小的增量更新——不重写不可变的基础系统提示词，同时保留快照支持回滚。

核心设计原则：持久化优先于压缩、可进化优于写死、后台运行优于会话依赖。

认可度

  • GitHub Star：截至 2026-08-30 约 18.2K（发布20天，从 8月17日的17K按日均约500估算）
  • GitHub Fork：约 1.8K（1.8K forks）
  • GitHub Trending：2026-08-08 登顶 GitHub Trending 全榜第1
  • 发布信息：2026-08-05 发布（v0.8.0），1,962 Fork，4,558 commits，活跃迭代极快
  • License：MIT（个人使用、商业、二次开发均免费）
  • 论文支撑：arXiv:2608.23552（RLM）+ arXiv:2605.09998（Continual Harness）
  • ARC-AGI-3 跑分：95.5%（ Opus 5 RHAE Best@1）

链接

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

官网：https://primeintellect.ai

原作者

Prime Intellect 是知名开源 AI 实验室，团队成员包括 Alex L. Zhang、Kevin Thomas 和 Sebastian Müller。实验室此前凭借 PRIME 强化学习算法、Verifiers 评测框架和 PRIME-RL 训练栈在社区积累了良好口碑。Prime Agent 的名字致敬科幻小说《The Metamorphosis of Prime Intellect》。

介绍

Prime Agent 是一个面向通用开发和长时间运行自主任务的命令行 Agent（CLI + TUI 文本界面）。与 Claude Code、Codex 等”会话即结束”的助手不同，它在工作时还会主动”记工作笔记”——把踩过的坑、好用的套路自动存成文件，下次任务直接复用。

它的独特之处在于把 Agent 的工作现场本身做成可编程、可恢复、可递归的运行时。模型只获得一个内置工具：ipython。所有文件操作、Shell 命令、数据处理和任务分解都通过这个持久 Python 控制环境完成，而非传统的几十个定制工具。

/refine 是 Prime Agent 最具区分度的功能：Agent 可以读取自己的执行轨迹，基于证据对自己的配置、技能和记忆做增量更新。这意味着它在每次任务中积累的经验能够真正固化为可复用能力，而非随会话结束而消失。

特点

  • 持久 IPython 内核：所有操作都经过一个统一的 Python REPL，文件操作、Shell、数据处理全部编程化，消除工具碎片化
  • /refine 自我改进：Agent 读取执行轨迹，可对自己的 prompt、技能、记忆做 CRUD 更新，经验可跨会话复用
  • 守护进程支撑的后台会话：终端断开后 Agent 继续运行，随时可 reattach，真正实现”开任务-关电脑-睡觉-第二天继续”
  • 递归子代理（rlm）：spawn 出真正的子 Agent 跑并行或后台任务，返回结果以编程方式处理，而非普通 LLM 调用
  • 有边界的自主模式：持久目标、心跳、调度计划、token 预算 + 用户定义的质量门禁，让数小时到数天的无人值守任务保持可控
  • 可执行技能：技能是 Python 包，带类型化可调用对象，不只是 prompt 文本
  • 支持 1,260+ 模型：4 大 Provider（Anthropic、OpenAI、VertexAI、vLLM）

使用方法

安装（macOS / Linux）：

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

启动：

cd /path/to/project
prime-agent

首次登录：

# 首次启动后，运行以下命令选择订阅或 API Key 提供商
prime-agent
/refine  # 让 Agent 改进自己的配置和技能
/autonomous  # 开启有边界的自主运行模式
prime-agent --resume [path|id]  # 重新接管后台会话
prime-agent status  # 检查后台服务状态

基础调用示例：

# 在 Prime Agent 的 Python REPL 中
result = rlm("分析这个代码库的技术债务，生成报告")
# 子代理并行执行
results = rlm([task1, task2, task3])  # 最多10个并行

使用场景与人群

  • Python 开发者：整个 Agent 都是 Python，状态、工具和技能全部可编程、自省，适合深度定制
  • AI/软件工程研究者：RLM 是活跃研究方向，Prime Agent 提供了真正能跑、可复现的参考实现
  • 长链路任务用户：守护进程 + 持久目标 + 自主预算，适合需要数小时到数天运行的评测、代码迁移、重构任务
  • 自主任务玩家：凌晨跑评测、睡觉时跑代码生成，醒来直接取结果

输入与输出案例

案例1：代码库技术债务分析
– Input：分析这个 Python 项目的技术债务，列出 top 5 改进点
– Output：Agent 通过持久 Python 内核读取项目文件，执行代码复杂度分析，输出 Markdown 格式报告，同时将”常用分析命令”沉淀为一个可复用技能，下次直接 /skill analyze-debt 调用

案例2：多任务并行开发
– Input：用 autonomous 模式完成这三个功能：① 用户认证 API，② 数据库迁移脚本，③ CI/CD 配置
– Output：Agent 将任务分解为并行子代理，通过 rlm() 调度执行，每完成一个模块自动更新持久目标状态，终端断开后继续后台运行，用户 reattach 时看到完整执行日志和 commit 记录

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 12 阅读