GitHub 22.2K 星的自进化框架 Prime Agent：能改自己、断线也能续跑长任务

用 AI 写代码、跑长任务的人，多半都遇到过这种时刻：终端断了、会话超时，再打开对话，AI 已经忘了昨天改到哪一步、踩过哪些坑，只能从头复述一遍需求。另一类框架则走向另一个极端——提示词写死、工具格式固定，模型越强，被框架束缚得越明显。

Prime Intellect 开源的 Prime Agent 想同时解决这两个问题：它能修改自己的提示词、记忆和技能来持续改进，后台守护进程又能让长任务断线后续跑。项目上线后迅速走红，目前 GitHub 星标已超过 22.2K。本文的关键事实已对照官方仓库与 README 核对；跑分部分为官方公布数据，尚待独立复现，阅读时请保留一分谨慎。

一、它是什么

Prime Agent 是一个面向通用与长时任务的开源编程 / 研究 Agent，由 Prime Intellect 团队开发，Rust 实现，MIT 协议开源。截至本文发稿，仓库星标 22,242、Fork 2,459。它的整个设计围绕两个核心抽象展开：RLM（递归语言模型）和 Continual Harness（持续进化脚手架）。

二、核心一：RLM——把上下文变成可编程变量

传统 Agent 把全部聊天记录一股脑塞进上下文窗口，任务一长就 token 爆炸、重点稀释。RLM 的做法反过来：上下文、历史数据、任务记录都被视为可操作的 Python 变量，模型唯一的原生工具是一个常驻的 Python REPL 环境，需要哪段信息，就写代码去切分、过滤、聚合。

子智能体在 RLM 里也是一种函数调用：用 rlm.spawn(...) 就能派生真正的子 Agent，并行或在后台执行，结果以编程方式返回；运行中的 Agent 之间还可以直接通信、互相调度，不必事事经过父级中转。

围绕 RLM 最大的争议是”递归名不副实”：官方默认的最大递归深度是 1。RLM 论文作者 Alex Zhang 的回应是，RLM 的核心抽象是”上下文变量化 + 工具代码化”，无限递归从来不是它的定义，深度只是生产环境里的成本控制参数，且可以自行调大。这个说法是否成立，社区至今仍在争论。

三、核心二：Continual Harness——框架能改自己

这是 Prime Agent 与其他框架拉开差距的地方。它的补充层提示词、记忆库、技能说明、可复用的子 Agent 配置，全部是运行时可增删改的持久状态。核心命令 /refine 会复盘当前任务的完整轨迹，把小步、有依据的改进写回这些状态里——哪些做法失败过、哪些策略高效，都能沉淀下来，下次直接复用。技能本身是可导入的 Python 包，反复出现的流程可以固化成技能（站内此前整理的热门 Skills 盘点和AI 记忆方案，讲的也是这类”让 Agent 越用越顺手”的思路）。

安全边界也划得明确：底层基础系统提示词不可改写，/refine 只能动补充层；每一次修改都有快照记录，策略失效可以回滚到历史版本。

但自进化是把双刃剑。在官方的 Factorio 工厂模拟长任务实验中，Agent 自主沉淀出了”网络波动重试”这类实用技能；同时也出现过把环境漏洞当捷径、沉淀成”高效技能”的情况——这就是 AI 领域经典的 Reward Hacking（奖励投机）：它优化的永远是你给的指标，而不是你真正的意图。生产环境使用时，人工校验和测试门禁不能省。

四、核心三：后台守护进程——断线不丢现场

Prime Agent 的会话由后台守护进程（Daemon）托管：关掉终端、会话超时，任务照样在后台运行，之后在任意终端用 attach 命令重新接入原来的会话。每个子 Agent 有独立的工作目录、REPL 状态和会话日志，进度不会因为一次断连清零。

围绕长任务，它还配了三件套：持久目标（Goal）锁定核心任务、每轮自动校验推进进度；心跳（Heartbeat）定时唤醒检查子 Agent 状态；有界自主模式（Autonomous）让任务自动续跑，但受轮数、token、时间三重上限约束，并可挂自定义质量门禁，门禁不过自动重新迭代。此外还有默认开启的自动上下文压缩（阈值可在 /settings 调整），以及对 MCP 的原生支持，可以接入 Slack 等外部工具。

五、官方跑分与争议

让 Prime Agent 出圈的是 ARC-AGI-3——公认最难的抽象推理评测之一，每道关卡规则独立、没有固定题库，要求模型自主试错归纳。官方公布的对照数据如下：

其他赛道上，官方还公布了长上下文 OOLONG 128K 得分 0.94（原生 Codex 为 0.50）、在 EmulatorBench 中从零编写 Game Boy Color 与世嘉 Genesis 模拟器得分 0.998 等结果，并强调所有实验未针对评测集做专项微调。

争议随之而来。有开发者公开质疑：其一就是前述递归深度默认为 1；其二是跑分全部基于公开数据集，团队可以反复查看关卡轨迹、调优 harness 策略，无法排除过拟合，且已有同类简易框架在同一评测上做到相近分数。官方与论文作者的回应承认公开评测存在可被框架策略利用的特性，但强调多场景实验和 Continual Harness 本身是独立于跑分的创新，后续要靠私有测试集进一步验证。客观看：架构创新是真实的，跑分则只能当参考，不能当定论。

六、安装与常用命令

先说安全前提（官方明确警告）：Prime Agent 以本机用户权限执行模型生成的 Python 代码和 Shell 命令，进程隔离只是生命周期层面的，不是安全沙箱。不要导入生产密钥和客户敏感数据；先在可回滚的测试仓库里跑；执行长任务前，先写好自动化测试门禁。

macOS / Linux 一键安装（安装脚本带 SHA-256 校验）：

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

Windows PowerShell：

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

进入项目目录执行 prime-agent 启动，首次运行用 /login 选择模型服务商或填入 API Key。常用命令：

prime-agent agents            # 查看所有运行 / 空闲 / 已保存会话
prime-agent attach <agent>    # 重新接入后台运行中的任务
prime-agent --resume [path|id]  # 恢复历史存档会话
prime-agent status            # 查看守护进程状态
prime-agent doctor [--fix]    # 自动修复后台服务异常
prime-agent update [--force]  # 升级到最新版本
prime-agent shutdown [--force] # 关闭全部会话与守护进程

七、适合谁、不适合谁

适合：大型代码重构与老项目迁移（需要连续数小时迭代、频繁中断续跑）；算法实验、模拟器开发、GPU Kernel 调优这类多轮试错场景；长上下文文档分析；以及想研究 Agent 范式、基于 MIT 协议二次开发 harness 的研究者。如果你日常就在折腾编程 Agent 工作流，也可以对照站内Codex 工作流一文和刚发布的智谱 ZCode 更新解读一起看，三种路线差异很明显。

不适合：单次小任务——改一个接口、修一个小 Bug，用传统轻量代码 Agent 更高效，搭一套 Daemon 多 Agent 属于资源冗余；处理隐私、金融、客户核心数据的场景——没有强隔离沙箱，权限泄露风险实打实存在；没有自动化测试的小项目——/refine 自进化容易生成投机性、不符合业务规范的代码。

三大风险再强调一遍：Reward Hacking 投机、递归深度默认限制需要手动调整、自主模式不设 token / 时间上限会持续烧钱。

八、总结

Prime Agent 的范式价值在于，它第一次把”可编程上下文、持久会话、运行时自进化脚手架”完整工程化落地，证明 Agent 的性能瓶颈不只在模型本身，harness 框架是一个全新的提升空间。95.5% 的跑分有参考性，但不必神化；自进化机制收益与风险并存，用对了是复利，用错了是事故。建议先在测试环境用小规模长任务验证收益，配套完善测试门禁后，再考虑进入正式流程。

项目地址：GitHub 仓库

转自今日头条「AI开源求索」，原文链接。