Prime Intellect 开源 Prime Agent：把上下文当变量的自我进化智能体

Prime Agent 是一个面向编程和长期研究任务的开源智能体框架，核心是让智能体具备「自我改进」的能力，甚至可以直接当作 Claude Code 或 Codex 的替代品来用。

Prime Intellect 正式将该项目开源。它最大的特色是完全避开了改动模型权重的高昂成本，而是通过重构外部框架，让大模型在同一个任务里越跑越聪明。

上下文当变量，子 Agent 变成函数调用

传统智能体往往受制于静态提示词和死板的工具接口。Prime Agent 采用了递归语言模型（RLM）设计，把模型的一切操作都放进一个持久运行的 IPython REPL 环境中。

在这个设计下，提示词上下文直接被抽象为可以操作的变量，即所谓 prompt-as-a-variable。智能体可以通过写代码来检查、切片或清理自己的历史上下文。

想调用工具或者创建子任务也很直接，直接调用 rlm.spawn(...) 即可。它会在后台生成真正的子智能体去并行干活，再把结果以程序调用的形式返回，多个智能体之间还能直接通信。

动外壳不动权重，自己微调运行轨迹

所谓自我改进，发生在持续化工作台（Continual Harness）层面。它把补充提示、短期记忆、可执行技能描述以及子智能体配置全部存为持久状态。

当一段任务执行完毕，用户输入 /refine 命令，它就会复盘刚才的运行轨迹，把踩坑经验提炼成小修补，写回补充状态中。底层的系统基座提示词完全保持不变，每次更新也都有快照可随时回滚。

不仅如此，常用的工作流还可以直接打包成可导入的 Python 技能包。换句话说，模型本身没有被微调，但它干活的方法论在会话中不断自我迭代。

在基准测试中，仅仅是把外层框架换成 Prime Agent，Opus 5 模型在 ARC-AGI 3 上的得分就从 30.2% 飙升至 95.5%，甚至略微超过了 95.4% 的人类专家基线。

后台常驻与上手门槛

Prime Agent 专门为长时间运行的任务设计。它基于后台守护进程运行，即使你关掉终端窗口，任务、计划调度和 Python 内部状态也不会中断，随时可以用 attach 命令重新连回。

它还支持通过 MCP 协议连接 Slack，或者挂载 Google Drive 和 Google Sheets 工具。

安装方式非常简单。macOS 和 Linux 用户在终端执行一行 curl 安装脚本即可，Windows 用户也有对应的 PowerShell 一键安装命令。启动后在项目目录下直接运行 prime-agent，初次使用时输入 /login 配置 API 密钥或订阅。

需要留心的是安全问题。Prime Agent 生成的代码是在宿主机上以你的用户权限直接运行的，它本身不带沙箱防护。如果处理不可信的代码或复杂自动化任务，一定要在干净的工作区或外部沙箱中运行。

项目采用 MIT 许可证完全开源，相关的研究论文也已经在 arXiv 上公开。

为什么重要

如果你经常需要 AI 处理跨目录代码重构、长期数据抓取或学术调研，Prime Agent 值得立即尝试。它比传统的聊天界面更贴合程序员的直觉，把提示词工程彻底变成了可调试的 Python 脚本。

从技术路线来看，这给行业提了个醒：很多时候不是大模型不够聪明，而是外面套着的僵硬框架限制了它的发挥。相比耗费算力的后训练，在推理侧精炼 harness 状态，看起来是一条成本极低却收效显著的实用路线。