KI-Agent Prime Agent führt Code in IPython aus und lernt im laufenden Betrieb aus Fehlern

Die meisten KI-Codeassistenten folgen demselben Muster: Man öffnet einen Chat, gibt einen Prompt ein, erhält einen Code-Schnipsel oder eine einzelne Dateiänderung. Wenn eine Aufgabe sich über ein paar Stunden erstreckt, verstopft der Kontext mit nutzlosen Informationen, und eine versehentlich geschlossene Terminal-Tab tötet den gesamten Workflow.

Die Entwickler bei Prime Intellect verfolgten einen anderen Ansatz und machten das Prime Agent-Projekt quelloffen. Dies ist ein Werkzeug für langlebige Aufgaben und Forschungs-Skripte, mit einer interaktiven IPython-Umgebung darunter, und der Agent selbst kann im Hintergrund arbeiten und seine Anweisungen anpassen, ohne die Basis neu zu schreiben.

So funktioniert der RLM-Ansatz

Im Kern des Projekts steht das Konzept des Recursive Language Model (RLM). Statt dem neuronalen Netz den gesamten Kontext als einen großen Block zu füttern, wandelt Prime Agent den Kontext in Variablen um und macht Tools und untergeordnete Agenten zu regulären Python-Funktionen.

Alle Arbeit findet innerhalb einer IPython-Sitzung statt. Wenn der Agent eine Datei lesen, Tests ausführen oder ein Daten-Array verarbeiten muss, schreibt und führt er sofort Python-Code aus.

Wenn eine Aufgabe in mehrere Teile aufgeteilt wird, ruft der Hauptprozess Funktion rlm(...) auf. Er erzeugt einen isolierten untergeordneten Agenten. Der untergeordnete Prozess löst seine Teilaufgabe parallel oder im Hintergrund und gibt dann das Ergebnis an den Hauptcode zurück. Der Chat wird dabei nicht mit Zwischenprotokollen zugemüllt.

Selbstlernen über Continual Harness

Normalerweise muss man, wenn ein Agent in eine Sackgasse gerät oder einen dummen Fehler macht, seine Regeln oder seinen System-Prompt manuell korrigieren. Prime Agent hat dafür den Befehl /refine.

Die Mechanik basiert auf dem Continual Harness-Konzept:

• Der Agent analysiert die Aktionshistorie und sucht nach Stellen, an denen er stecken blieb oder vom Weg abkam.
• Basierend darauf erstellt er gezielte Notizen, Skill-Beschreibungen oder Spezifikationen für zukünftige Sub-Agenten.
• Änderungen werden als Ergänzungen zum Sitzungszustand aufgezeichnet, während der System-Prompt unberührt bleibt.
• Alle Snapshots werden gespeichert, sodass fehlgeschlagene Anpassungen immer zurückgerollt werden können.

Das Tool sammelt Erfahrung bei der Arbeit speziell mit Ihrem Repository. Sich wiederholende Befehlsketten kann es in ein ausführbares Python-Paket packen und als separaten Skill speichern.

Hintergrundarbeit und autonomer Modus

Für langlebige Aufgaben wie das Ausführen von Benchmarks oder tiefgreifendes Refactoring kann der Agent in den Hintergrundmodus wechseln. Dies wird von einem eingebauten Daemon gehandhabt.

Sie können einen Prozess starten, das Terminal trennen und ein paar Stunden später dorthin zurückkehren:

prime-agent agents         # Посмотреть список активных и сохраненных сессий
prime-agent attach <id>    # Подключиться к фоновому агенту обратно

Wenn Sie möchten, dass der Agent den Systemstatus prüft oder Checks nach einem Zeitplan ausführt, verfügt er über Timer und den Befehl /heartbeat.

Für vollständig autonomen Betrieb gibt es den Modus /autonomous. Er setzt harte Grenzen für die Anzahl der Schritte, den Token-Verbrauch und die Laufzeit. Sie können auch Qualitätsprüfungen anhängen: Wenn Tests fehlschlagen, sucht der Agent weiter nach einer Lösung, bis das Budget aufgebraucht ist.

Laufende Agenten können direkt miteinander kommunizieren. Wenn ein Agent Daten generiert, kann er eine Nachricht an einen anderen Prozess senden, ohne dass ein Mensch eingreifen muss.

Installation und Sicherheitsaspekte

Die Installation auf macOS oder Linux erfolgt über ein einzelnes Skript:

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

Nach der Installation müssen Sie in das Zielprojekt gehen und die CLI starten:

cd /path/to/project
prime-agent

Beim ersten Start fragt Sie der Befehl /login nach der Wahl eines API-Anbieters oder eines Abonnements.

In der README warnen die Autoren ehrlich: Prime Agent führt generierten Code direkt auf Ihrem Rechner mit den Berechtigungen des aktuellen Benutzers aus. Es gibt standardmäßig keinen isolierten Container oder Sandbox. Wenn Sie dem Agent Zugriff auf ein nicht verifiziertes Repository gewähren, könnte der generierte Code versehentlich Dateien löschen oder einen gefährlichen Konsolenbefehl ausführen. Daher ist es am besten, ihn in sauberen Git-Branches, einem separaten Docker-Container oder einer isolierten virtuellen Maschine auszuführen.

Für wen ist dieses Projekt nützlich

Prime Agent ist in erster Linie für diejenigen interessant, die Forschungscode schreiben, komplexe Modellauswertungen durchführen oder Aufgaben lösen, bei denen ein Text-Chat mit einem LLM nicht mehr ausreicht.

Der Ansatz, ausführbaren Python-Code anstelle von textbasierten Tool-Aufrufen zu verwenden, sieht nach einer logischen Evolution von CLI-Tools aus. Das Projekt wird unter der MIT-Lizenz vertrieben, sammelt Tausende von Stars auf GitHub und wird aktiv weiterentwickelt. Wenn Sie einen Agenten brauchen, der bei langlebigen Aufgaben nicht einfriert und im Hintergrund arbeiten kann, ist Prime Agent definitiv einen Blick wert.