什么是 Prime Agent [复制链接]

admin 管理员组 1月前

一、什么是 Prime Agent

Prime Agent 是由 Prime Intellect 于 2026 年 8 月 5 日发布的开源、自改进(Self-Improving)编码智能体脚手架(Agent Harness)。Prime Intellect 是一家主打"开放超级智能栈"的分布式 AI 基础设施公司,专注算力、训练、推理与智能体基础设施,2026 年 7 月完成 A 轮融资后估值达 10 亿美元。

用一句话概括:Prime Agent 让 AI 智能体编写代码、运行测试、从结果中学习,并持续改进自身的行为与脚手架,全程无需人工干预。它既可作为通用编码助手使用,也可作为长时程自主评估的默认运行时,以及研究与"自主研究"的协作者。

设计哲学:传统 harness 是围绕早期模型能力设计的——固定工具调用模式 + 上下文压缩,导致模型往往要"绕开"自己的脚手架工作;静态、手工设计的子代理、提示词、技能和记忆在部署后永不更新。Prime Agent 认为,脚手架应当随模型能力一起"外推"向下一代推理范式,而不是拖后腿。

二、两大核心抽象

Prime Agent 围绕两个核心抽象构建(均出自其团队论文,arXiv:2512.24601 与 2605.09998):

递归语言模型(Recursive Language Model, RLM):把上下文当作变量,把子代理委托当作函数调用,全部发生在一个持久的 REPL 中。模型可以程序化地访问自己的历史、子代理和工具,以"语言模型程序"的形式对自身上下文执行操作——从而处理任意长的会话,而不丢失存于变量中的过往信息。
持续脚手架(Continual Harness):把脚手架自身的状态——提示词(Prompt)、子代理(Sub-agents)、技能(Skills)、记忆(Memory)——抽象为智能体可从自身运行轨迹中创建、读取、更新、删除(CRUD)的对象,形式化为。结合智能体间通信,可实现跨子代理、甚至跨 Prime Agent 会话的编排:例如派生出持久子代理、稍后向其发消息、或直接与另一个 Prime Agent 会话通信。

三、架构与设计特色

1. 唯一的工具:持久化 IPython REPL

模型在 Prime Agent 中只使用一个工具:持久化的 IPython 内核。其它标准 harness 功能(技能、工具、子代理)都以内核中的模块/函数形式预导入并调用,子代理本身是另一个 prime-agent 实例。调用子代理是异步的:

# 并行扇出——rlm() 在任务受理时立即返回子代理句柄,
# 结果通过 agent_message 回复到达,而非返回值
auth = await rlm("Summarize the authentication flow in auth/", name="auth-expert")
api  = await rlm("Summarize the updated HTTP API layer in src/", name="http-expert")
# ...继续独立工作;每个子代理完成后经 agent_message.send(...) 回复父级...

2. 后台守护进程 + Agents View

所有活跃会话由后台守护进程经本地 socket 统一管理,可随时 attach/detach 而不影响底层运行循环;工作进程崩溃可从会话 JSONL 与内核状态快照中恢复。Agents View(空提示符下按 ← 键)可查看并进入任意运行中、空闲或休眠的会话,递归地成为智能体与子代理之间的"中枢"——从根智能体的聊天进入其子代理的视图,层层深入。子代理与根智能体共享同一状态机,空闲 30 分钟可从内存卸载,被寻址时自动从磁盘恢复,大幅节省内存。

3. 会话与上下文管理

完整会话历史以 append-only JSONL 存盘,分支、分叉、克隆都在同一文件中通过移动叶指针完成,全程可用 /tree 恢复;
压缩(Compaction) 达到阈值或由模型在 REPL 中 compact.run() 触发;内核与上下文异步并行清理(由派生出的子代理充当"垃圾回收器"),避免 REPL 内存累积。

4. 持久子代理与 A2A 通信

子代理的会话目录、上下文、IPython 内核与历史在初始调用结束后依然持久,可通过唯一会话标识 agent_message.send(...) 继续发消息(甚至支持 follow-up 轮次)。Agent-to-Agent(A2A)消息允许任意会话间通信,但限制在"核家族"(父、兄弟、子)范围内,防止跨独立会话的意外串扰——便于编排子代理集群并围绕共享资源直接沟通。

5. 自改进:/refine

/refine 是基于 CRUD 表面构建的自改进管道:读取智能体自身的运行轨迹(试过什么、结果如何),施加最小且相关的 CRUD 编辑(更新一条提示词笔记、记忆、技能或子代理规格,而非重写整个 harness)。每次改进记录触发原因与产出结果,做到有据可依;规划阶段在后台运行不阻塞对话,应用阶段仅在下一次轮次边界短暂阻塞;基础系统提示词保持不可变,糟糕的更新可按 ID 回滚。模型也可随时主动调用 refine.run()——当它发现重复失败或可复用的技巧时,不必等固定计划。

6. 自主模式(Autonomous Mode)

内置目标(goal)(带 token 预算的持久目标,直到 goal.complete())、心跳(heartbeat)(类 cron 的定时注入消息,用于监控子代理或轮询训练更新)与自主续跑机制,三者结合让会话可无人值守长时间运行。CLI 一行启用:

prime-agent \
  --autonomous \
  --autonomous-gate "npm run check" \
  --autonomous-max-turns 20 \
  "Implement and verify the requested change"

gate 命令在会话结束前运行,失败会把有界输出交回智能体再次尝试(工作区无变化时跳过重跑);轮次、token、墙钟时间均可设上限。

四、性能表现

ARC-AGI-3(衡量符号推理与模拟世界规则学习的知名基准):Prime Agent + Opus 5 达到 95.5% RHAE Best@1,超过 ARC 官方报告的人类专家基线 95.4%;三次运行成绩为 95.0 / 95.2 / 95.5,Best@3 达 99.97%,183/183 关卡全部完成。
在长时程、长上下文任务上表现尤为突出,可独立作为自主智能体运行;对开源权重模型友好,是闭源模型 + 专属脚手架方案的竞争性替代。
相比原生 harness 更省 token——数据通过"函数运行"而非"工具读取",token 利用率更高。

五、开放与上手

MIT 许可证,完全开源(GitHub:PrimeIntellect-ai/prime-agent,发布即获 4300+ Stars);
一行命令安装:curl -fsSL https://app.primeintellect.ai/prime-agent/install.sh | sh(支持 Linux / macOS);
三种模型接入方式:Prime Intellect 订阅登录、API Key、自托管端点(vLLM、Ollama、LM Studio),代码可完全留在内网;
注意:它不是安全沙箱,建议在一次性克隆或受限环境中运行。

六、意义与展望

Prime Intellect 明确提出 "模型—脚手架共同学习"(model-harness co-learning) 是解锁新能力的核心范式:传统做法是让模型适应固定脚手架,Prime Agent 则让脚手架随运行持续演化,并坚信围绕该范式直接训练的模型还有巨大性能提升空间——目前几乎所有前沿模型都围绕各自专属 harness 训练,尚无模型围绕 Prime Agent 训练,这正是它最大的潜力所在。作为开放基础设施的一部分,Prime Agent 与 Prime Intellect 的算力、训练、推理平台协同,把"自改进智能体"的能力开放给所有研究者和开发者。

参考来源:Prime Agent 官方博客 | Prime Intellect 官网 | OSCHINA 报道

点赞收藏