PrimeIntellect 开源 Prime Agent：面向编码与长任务的自我改进 RLM harness

Prime Agent：一个自我改进的 RLM 框架

Prime Agent 是一个开源编码与研究智能体，适用于通用及长时间运行的工作。它围绕两个核心抽象进行设计：

递归语言模型（RLM）将上下文视为变量（提示即变量），并将递归子智能体等工具视为持久 REPL 中的函数调用（程序化工具/子智能体调用）。
持续框架将补充提示、记忆、技能描述和可复用子智能体规范存储为持久状态，Prime Agent 可通过小规模、有证据支持的更新对其进行改进，默认情况下仅限于当前会话。

安装

使用一键安装程序安装最新的稳定版本：

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

在 Windows 上，从 PowerShell 安装：

irm https://app.primeintellect.ai/prime-agent/install.ps1 | iex

Windows 安装程序会下载最新的稳定版 Windows x64 构建，并在安装前验证其校验和。

Prime Agent 将持久 Python 控制环境与持久框架状态相结合，因此有用的工作上下文和可复用的操作模式可以超越单个聊天窗口而存在。

一切皆可编程：持久 Python REPL 是内置的模型工具；文件操作、shell 命令、工具使用、子智能体和上下文管理都通过代码完成。
内置子智能体：rlm.spawn(...) 会为并行或后台工作生成真正的子智能体，并以编程方式返回其结果。
框架可以改进：/refine 会审查当前轨迹，并可以对补充框架状态应用小规模、有证据支持的更新。它绝不会重写不可变的基础系统提示，且记录的快照支持回滚。
技能可执行：技能是可导入的 Python 包，内置的技能创建器可以将重复出现的工作流转化为项目或个人技能。
会话在后台运行：由守护进程支持的智能体在终端断开连接后仍会继续运行，之后可以重新连接。
智能体直接通信：运行中的智能体可以交换消息并相互编排，无需将所有内容都通过用户路由。
长任务持续推进：自动压缩、持久目标、心跳、调度、自主模式和保留的子智能体可在多轮对话和终端会话之间保持进度。

通过 SSH 和 tmux 使用剪贴板

Prime Agent 在可用时使用本地剪贴板工具（例如 pbcopy）。在 tmux 中，如果所连接的 tmux 客户端声明支持 Ms 能力，它会请求该客户端转发剪贴板缓冲区。这适用于 tmux 默认的 set-clipboard external，不同于源自应用程序的 OSC 52。没有 tmux 时，远程复制会使用 OSC 52 请求传递。终端请求无法确认你的本地剪贴板已更改，因此 Prime Agent 会将其报告为未确认。

嵌套的 tmux 服务器和终端仍可能阻止传递。带有 set-clipboard external 的外层 tmux 可能会拒绝内层服务器的 OSC 52。在这种情况下，请在外层服务器上运行 tmux set -s set-clipboard on，或使用原生终端选择（大多数终端中为 Shift-拖拽；iTerm2 中为 Option-拖拽），然后按 Cmd-C。macOS Terminal.app 不支持 OSC 52；iTerm2 需要启用其“终端中的应用程序可以访问剪贴板”设置。

快速开始

从你希望其工作的仓库或目录启动 Prime Agent：

cd /path/to/project
prime-agent

首次启动时，运行 /login 以选择订阅或 API 密钥提供商。Prime Agent 在当前目录中工作，并可在其中运行命令和修改文件。请使用一次性克隆、干净的工作树，或另一个你可以检查和恢复的检查点。

警告

Prime Agent 以你的用户权限执行模型生成的 Python 和项目命令。其 worker 和内核进程改进了生命周期隔离和恢复；它们不是安全沙箱。请审查更改，并仅使用受信任的仓库、指令和技能。在外部沙箱或受限环境中运行不受信任的代码或指令。

实用命令：

prime-agent agents                   # Browse running, idle, and saved sessions
prime-agent attach <agent>           # Reattach to a running session
prime-agent --resume [path|id]       # Browse sessions or resume one directly
prime-agent status                   # Inspect background service state
prime-agent doctor [--fix]           # Inspect or repair background services
prime-agent update [--force]         # Update Prime Agent
prime-agent shutdown [--force]       # Stop every agent, worker, and background service

实验性 Decision API（decisionApi.systemOneModel 设置）为实时控制任务驱动一个决策模型。有关该设置以及持久 Python REPL 中的验证，请参阅 Decision API 设置与冒烟检查。

为长时间运行的工作而构建

Prime Agent 为长时间运行的工作而构建，尤其适用于研究中的评估。这些功能在 TUI 中以及自主运行时均可用。

持续 Harness：/refine 可以将聚焦的、可审查的经验教训持久化为补充提示、记忆、可复用技能描述或子代理规范，并记录细化历史。它不能替代打包和审查新的可执行技能。
代理间直接通信：运行中的代理和保留的子代理可以发现彼此、交换消息，并引导正在进行的工作。
守护进程支持的连续性：活动会话、Python REPL 状态、调度和子代理在终端分离后继续运行，并可在之后重新连接。
心跳与调度：/heartbeat、rlm_heartbeat 和 prime-agent schedule 可以定期或在特定时间重新进入会话。
持久目标：/goal 会在多个轮次中保持一个目标及其进度处于活动状态，直到其完成、暂停或清除。
有界自主模式：/autonomous 在配置的轮次、token 和时间预算内继续运行，并可运行用户定义的质量门。通过的门仅检查该门所验证的内容；达到限制并不意味着任务成功。

贡献

请从 GitHub Discussion 开始，用于一般问题、错误报告和功能请求。维护者会将已接受的工作提升为 Issue，pull request 由维护者和受担保的贡献者进行审查。

许可证

Prime Agent 完全开源，并在 MIT 许可证下发布。

引用

如果你在研究中使用此代码库，请引用 Prime Agent：

@article{karten2026prime,
  title={Prime Agent: A Self-Improving RLM Harness},
  author={Karten, Seth and Zhang, Alex L. and Thomas, Kevin and Müller, Sebastian and Bakouch, Elie and Auras, Daniel and Senghaas, Mika and Obeid, Fares and Dunas, Konstantin and Hagemann, Johannes and Jaghouar, Sami},
  journal={arXiv preprint arXiv:2608.23552},
  year={2026}
}

可在 https://arxiv.org/abs/2608.23552 获取。