El agente de IA Prime Agent ejecuta código en IPython y aprende de sus errores sobre la marcha

La mayoría de los asistentes de código con IA siguen el mismo patrón: abres un chat, introduces un prompt, obtienes un fragmento de código o una edición de un solo archivo. Si una tarea se extiende durante un par de horas, el contexto se obstruye con basura y una pestaña de terminal cerrada accidentalmente mata todo el flujo de trabajo.

Los desarrolladores de Prime Intellect adoptaron un enfoque diferente y publicaron en código abierto el proyecto Prime Agent. Se trata de una herramienta para tareas de larga duración y scripts de investigación, con un entorno interactivo de IPython ejecutándose debajo, y el propio agente puede trabajar en segundo plano y ajustar sus instrucciones sin reescribir la base.

Cómo funciona el enfoque RLM

En el núcleo del proyecto se encuentra el concepto de Modelo de Lenguaje Recursivo (RLM). En lugar de alimentar la red neuronal con todo el contexto como un único bloque masivo, Prime Agent convierte el contexto en variables, y convierte las herramientas y los agentes secundarios en funciones Python regulares.

Todo el trabajo ocurre dentro de una sesión IPython. Cuando el agente necesita leer un archivo, ejecutar pruebas o procesar un array de datos, escribe y ejecuta código Python inmediatamente.

Si una tarea se divide en múltiples partes, el proceso principal llama a la función rlm(...). Genera un agente secundario aislado. El proceso secundario resuelve su subtarea en paralelo o en segundo plano, y luego devuelve el resultado al código principal. El chat no se obstruye con registros intermedios durante el proceso.

Autoaprendizaje mediante Continual Harness

Por lo general, si un agente llega a un punto muerto o comete un error tonto, tienes que corregir manualmente sus reglas o prompt del sistema. Prime Agent tiene el comando /refine para esto.

La mecánica se basa en el concepto de Continual Harness:

• El agente analiza el historial de acciones y busca lugares donde se atascó o se desvió.
• Basándose en esto, forma notas específicas, descripciones de habilidades o especificaciones para futuros sub-agentes.
• Los cambios se registran como adiciones al estado de la sesión, mientras que el prompt del sistema permanece intacto.
• Todas las instantáneas se guardan, por lo que los ajustes fallidos siempre se pueden revertir.

La herramienta acumula experiencia trabajando específicamente con tu repositorio. Las cadenas de comandos repetitivas puede empaquetarlas en un paquete Python ejecutable y guardarlas como una habilidad separada.

Trabajo en segundo plano y modo autónomo

Para tareas largas como ejecutar benchmarks o refactorización profunda, el agente puede cambiar al modo en segundo plano. Esto lo maneja un daemon integrado.

Puedes iniciar un proceso, desconectar el terminal y volver a él un par de horas después:

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

Si necesitas que el agente verifique el estado del sistema o ejecute verificaciones según una programación, tiene temporizadores y el comando /heartbeat.

Para operación completamente autónoma, existe el modo /autonomous. Establece límites estrictos en el número de pasos, consumo de tokens y tiempo de ejecución. También puedes adjuntar verificaciones de calidad: si las pruebas fallan, el agente seguirá buscando una solución hasta que se agote el presupuesto.

Los agentes en ejecución pueden comunicarse directamente entre sí. Si un agente genera datos, puede enviar un mensaje a otro proceso sin intervención humana.

Instalación y consideraciones de seguridad

La instalación en macOS o Linux se realiza mediante un script único:

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

Después de la instalación, necesitas ir al proyecto objetivo y lanzar el CLI:

cd /path/to/project
prime-agent

En el primer lanzamiento, el comando /login te pedirá que elijas un proveedor de API o suscripción.

En el README, los autores advierten honestamente: Prime Agent ejecuta el código generado directamente en tu máquina con los permisos del usuario actual. No hay un contenedor aislado o sandbox de serie. Si le das al agente acceso a un repositorio no verificado, el código generado podría borrar archivos accidentalmente o ejecutar un comando de consola peligroso. Por lo tanto, es mejor ejecutarlo en ramas git limpias, un contenedor Docker separado o una máquina virtual aislada.

A quién le resultará útil este proyecto

Prime Agent es principalmente interesante para quienes escriben código de investigación, ejecutan evaluaciones complejas de modelos o resuelven tareas donde un chat de texto con un LLM ya no es suficiente.

El enfoque de usar código Python ejecutable en lugar de llamadas de herramientas basadas en texto parece una evolución lógica de las herramientas CLI. El proyecto se distribuye bajo la licencia MIT, recoge miles de estrellas en GitHub y se actualiza activamente. Si necesitas un agente que no se congele en tareas largas y pueda trabajar en segundo plano, Prime Agent definitivamente vale la pena probarlo.