# Prime Agent：一个能自我改进的 RLM Agent

---

**Prime Agent** 是一个开源的自改进编码 Agent。它围绕两个核心抽象设计：**RLM 编程模型**和 **Continual Harness**。RLM 把上下文当成变量、工具调用当成函数写在一个持久化的 Python REPL 里；Harness 让 Agent 通过 `/refine` 从运行轨迹中提取教训，持续改进自己的提示词、记忆和技能规格。

---

## 一、RLM：不是聊天，是编程

传统 Agent 的工作方式是聊天——你发 prompt，模型回复，工具调用穿插在对话流里。Prime Agent 的 RLM 模型把它倒过来：

```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
```

所有操作——文件读写、shell 命令、工具调用、子 Agent 启动——都是 Python 代码。上下文是变量，不是对话历史。子 Agent 是 `rlm(...)` 函数调用，不是另一条聊天线程。这个编程模型让 Agent 行为变得可组合、可复用、可调试。

## 二、Continual Harness：Agent 能改进自己

Prime Agent 有一个叫 **Continual Harness** 的持久状态层，存储辅助提示词、记忆、技能描述、可复用的子 Agent 规格。关键能力是 `/refine`——它会审查当前的运行轨迹，提炼出小的、有证据支撑的改进，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 不会改写不可变的 base system prompt，每次改进都有记录快照，支持回滚。这让 Agent 的能力可以随使用积累，而不需要人工重新配置。

## 三、子 Agent 是一等公民

在 Prime Agent 里，子 Agent 以 `rlm(...)` 函数调用的方式启动：

```python
# 并行启动两个子 Agent 分别做 review 和 test
review_result = rlm("review this PR", model="sonnet", background=True)
test_result = rlm("run the test suite", model="haiku", background=True)

# 等它们都完成，汇总结果
results = [review_result.result(), test_result.result()]
```

子 Agent 可以并行执行，可以后台运行，可以互相通信，结果像普通 Python 返回值一样使用。运行中的 Agent 之间可以直接互相发现、交换消息、协调工作，不需要通过用户中转。

## 四、Daemon 架构：终端关了 Agent 还在跑

Prime Agent 是后台守护进程架构：

```text
┌─────────────────────────────────┐
│         prime-agent daemon       │
│  ┌─────────┐  ┌─────────┐      │
│  │ Session │  │ Session │ ...  │
│  │ (IPython│  │ (IPython│      │
│  │  + RLM) │  │  + RLM) │      │
│  └─────────┘  └─────────┘      │
└─────────────────────────────────┘
        ↑              ↑
    终端 attach    终端 attach
```

关闭终端后 session 继续跑，子 Agent、schedule、heartbeat 都不中断。用 `prime-agent attach <agent>` 随时重连回来。配合 `/goal` 让目标跨 turn 持久，`/heartbeat` 和 `prime-agent schedule` 定时唤醒 session，`/autonomous` 在配额范围内自主推进。

## 五、安装与快速开始

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

进入项目目录启动：

```bash
cd /path/to/project
prime-agent
```

首次启动运行 `/login` 选择 provider。Agent 在当前目录工作，能读写文件、执行命令——用 disposable clone 或 worktree 更安全。

常用命令：

```bash
prime-agent agents          # 浏览运行中、空闲、已保存的 session
prime-agent attach <agent>  # 重连到后台 session
prime-agent --resume <id>   # 恢复已保存的 session
```

---

## 结语

Prime Agent 的核心思路是「Agent 的工作应该是编程，不是聊天」。RLM 模型把上下文、工具、子 Agent 都变成代码里的变量和函数；Continual Harness 让 Agent 从经验里学习；Daemon 架构让长任务不依赖终端存活。

Prime Agent 是一个开源的自改进编码 Agent。它围绕两个核心抽象设计：RLM 编程模型和 Continual Harness。RLM 把上下文当成变量、工具调用当成函数写在一个持久化的 Python REPL 里；Harness 让 Agent 通过 /refine 从运行轨迹中提取教训，持续改进自己的提示词、记忆和技能规格。

Prime Agent：一个能自我改进的 RLM Agent

软件研发

人工智能

开发工具

编程语言

PrimeAgent是开源自改进编码Agent，采用RLM编程模型将上下文、工具调用和子Agent封装为Python变量与函数，替代传统聊天交互。其ContinualHarness支持通过/refine从运行轨迹提炼改进，持久化技能与记忆。Daemon架构允许后台运行、并行子Agent协作及终端断开后任务持续，实现可组合、可复用、可调试的自主编码体验。

代码解释

Python

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

PrimeAgent是开源自改进编码Agent，采用RLM编程模型将上下文、工具调用和子Agent封装为Python变量与函数，替代传统聊天交互。其ContinualHarness支持通过/refine从运行轨迹提炼改进，持久化技能与记忆。Daemon架构允许后台运行、并行子Agent协作及终端断开后任务持续，实现可组...

Prime Agent：一个能自我改进的 RLM Agent-腾讯云开发者社区-腾讯云

Prime Agent：一个能自我改进的 RLM Agent

Prime Agent：一个能自我改进的 RLM Agent

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐