Prime Agent：可自我改进的RLM智能体解析

# Prime Agent：一个可自我优化的 RLM Agent

---

**Prime Agent** 是一个开源的自我改进型编码 Agent。它围绕两个核心抽象构建：**RLM 编程模型** 和 **Continual Harness**。RLM 将上下文视为变量、将工具调用视为函数，并统一放在一个持久化的 Python REPL 中执行；Harness 则让 Agent 通过 `/refine` 从运行轨迹中总结经验，持续优化自身的提示词、记忆与技能规范。

---

## 一、RLM：不是对话，而是编程

传统 Agent 的工作模式更接近聊天——你输入 prompt，模型生成回复，工具调用穿插在对话流程中。Prime Agent 的 RLM 模型则反其道而行：

```text

传统 Agent: Chat → Tool Call → Chat → Tool Call → Chat

Prime Agent:IPython REPL（持久化 Python 环境）

│

├── 上下文 = 变量

├── 工具调用 = 函数调用

├── 子 Agent = rlm(...) 函数

└── 文件操作 = Python 代码

```

在这种模式下，所有操作——包括文件读写、shell 命令执行、工具调用以及子 Agent 启动——都由 Python 代码完成。上下文不再依赖对话历史，而是通过变量管理。子 Agent 也不是另一条聊天线程，而是一次 `rlm(...)` 函数调用。这样的 Agent 编程模型，使行为更具可组合性、可复用性和可调试性。

## 二、Continual Harness：让 Agent 持续自我进化

Prime Agent 内置一个名为 **Continual Harness** 的持久状态层，用于存储辅助提示词、记忆、技能描述以及可复用的子 Agent 规范。它最关键的能力是 `/refine`：该功能会检查当前运行轨迹，提炼出细小但有明确证据支撑的优化点，并将其写入 Harness。

```text

你: /refine

Prime Agent: 审查最近几轮轨迹...

- 发现：每次部署都重复输入同一组 k8s 命令

- 建议：创建一个 deploy 技能，封装这些命令

- 已写入 Harness，下次部署直接调用技能

```

Harness 不会修改不可变的 base system prompt，而且每一次改进都会保留记录快照，支持随时回滚。这意味着 Agent 的能力可以随着实际使用不断积累，无需人工反复重新配置。

三、子 Agent 是一等公民

在 Prime Agent 中，子 Agent 通过 `rlm(...)` 函数调用方式启动：

```python

# 并行启动两个子 Agent 分别执行 review 和 test

review_result = rlm("review this PR", model="sonnet", background=True)

test_result = rlm("run the test suite", model="haiku", background=True)

# 等它们全部完成后，汇总结果

results = [review_result.result(), test_result.result()]

```

子 Agent 支持并行执行、后台运行，也可以相互通信，返回结果则像普通 Python 返回值一样使用。运行中的 Agent 之间还能直接彼此发现、交换消息并协同工作，而不需要通过用户来中转。

## 四、Daemon 架构：关闭终端后 Agent 仍可运行

Prime Agent 采用后台守护进程架构：

```text

┌─────────────────────────────────┐

│ prime-agent daemon │

│┌─────────┐┌─────────┐│

││ Session ││ Session │ ...│

││ (IPython││ (IPython││

││ RLM) ││ RLM) ││

│└─────────┘└─────────┘│

└─────────────────────────────────┘

↑↑

终端 attach终端 attach

```

即使关闭终端，session 也会持续运行，子 Agent、schedule 和 heartbeat 都不会中断。需要重新查看时，随时可以使用 `prime-agent attach ` 再次接入。再结合 `/goal`，即可让目标在跨 turn 过程中持续保留；借助 `/heartbeat` 与 `prime-agent schedule`，还能按照计划定时唤醒 session；而 `/autonomous` 则会在配额允许的范围内自动持续推进任务。

五、安装与快速上手

```bash

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

```

进入项目目录后启动：

```bash

cd /path/to/project

prime-agent

```

首次启动时运行 `/login` 选择 provider。Agent 会在当前目录中工作，可读取和写入文件，也能执行命令——因此使用 disposable clone 或 worktree 会更安全。

常用命令：

```bash

prime-agent agents# 查看运行中、空闲和已保存的 session

prime-agent attach # 重新连接到后台 session

prime-agent --resume # 恢复已保存的 session

```

---

## 结语

Prime Agent 的核心理念是：“Agent 的工作方式应该是编程，而不是聊天。”RLM 模型将上下文、工具和子 Agent 统一转化为代码中的变量与函数；Continual Harness 让 Agent 能从经验中学习并持续改进；Daemon 架构则让长时间任务不再依赖终端是否保持开启。","createTime":1786252411,"ext":{"closeTextLink":0,"comment_ban":0,"description":"","focusRead":0},"fa vNum":0,"html":"","isOriginal":0,"likeNum":0,