Prime Intellect 開源 Prime Agent：把上下文當變數的自我進化智慧體

Prime Agent 是一個面向程式設計和長期研究任務的開源智慧體框架，核心是讓智慧體具備「自我改進」的能力，甚至可以直接當作 Claude Code 或 Codex 的替代品來用。

Prime Intellect 正式將該專案開源。它最大的特色是完全避開了改動模型權重的高昂成本，而是通過重構外部框架，讓大模型在同一個任務裡越跑越聰明。

上下文當變數，子 Agent 變成函式呼叫

傳統智慧體往往受制於靜態提示詞和死板的工具介面。Prime Agent 採用了遞迴語言模型（RLM）設計，把模型的一切操作都放進一個持久執行的 IPython REPL 環境中。

在這個設計下，提示詞上下文直接被抽象為可以操作的變數，即所謂 prompt-as-a-variable。智慧體可以通過寫程式碼來檢查、切片或清理自己的歷史上下文。

想呼叫工具或者建立子任務也很直接，直接呼叫 rlm.spawn(...) 即可。它會在後臺生成真正的子智慧體去並行幹活，再把結果以程式呼叫的形式返回，多個智慧體之間還能直接通訊。

動外殼不動權重，自己微調執行軌跡

所謂自我改進，發生在持續化工作臺（Continual Harness）層面。它把補充提示、短期記憶、可執行技能描述以及子智慧體配置全部存為持久狀態。

當一段任務執行完畢，使用者輸入 /refine 命令，它就會復盤剛才的執行軌跡，把踩坑經驗提煉成小修補，寫回補充狀態中。底層的系統基座提示詞完全保持不變，每次更新也都有快照可隨時回滾。

不僅如此，常用的工作流還可以直接打包成可匯入的 Python 技能包。換句話說，模型本身沒有被微調，但它幹活的方法論在會話中不斷自我迭代。

在基準測試中，僅僅是把外層框架換成 Prime Agent，Opus 5 模型在 ARC-AGI 3 上的得分就從 30.2% 飆升至 95.5%，甚至略微超過了 95.4% 的人類專家基線。

後臺常駐與上手門檻

Prime Agent 專門為長時間執行的任務設計。它基於後臺守護程序執行，即使你關掉終端視窗，任務、計劃排程和 Python 內部狀態也不會中斷，隨時可以用 attach 命令重新連回。

它還支援通過 MCP 協議連線 Slack，或者掛載 Google Drive 和 Google Sheets 工具。

安裝方式非常簡單。macOS 和 Linux 使用者在終端執行一行 curl 安裝指令碼即可，Windows 使用者也有對應的 PowerShell 一鍵安裝命令。啟動後在專案目錄下直接執行 prime-agent，初次使用時輸入 /login 配置 API 金鑰或訂閱。

需要留心的是安全問題。Prime Agent 生成的程式碼是在宿主機上以你的使用者許可權直接執行的，它本身不帶沙箱防護。如果處理不可信的程式碼或複雜自動化任務，一定要在乾淨的工作區或外部沙箱中執行。

專案採用 MIT 許可證完全開源，相關的研究論文也已經在 arXiv 上公開。

為什麼重要

如果你經常需要 AI 處理跨目錄程式碼重構、長期資料抓取或學術調研，Prime Agent 值得立即嘗試。它比傳統的聊天介面更貼合程式設計師的直覺，把提示詞工程徹底變成了可除錯的 Python 指令碼。

從技術路線來看，這給行業提了個醒：很多時候不是大模型不夠聰明，而是外面套著的僵硬框架限制了它的發揮。相比耗費算力的後訓練，在推理側精煉 harness 狀態，看起來是一條成本極低卻收效顯著的實用路線。