L'agent IA Prime Agent exécute du code dans IPython et apprend de ses erreurs en temps réel

La plupart des assistants de codage IA suivent le même schéma : vous ouvrez un chat, vous y collez un prompt, vous obtenez un extrait de code ou une modification de fichier unique. Si une tâche s'étend sur quelques heures, le contexte se remplit de déchets, et un onglet de terminal fermé par accident tue tout le flux de travail.

Les développeurs de Prime Intellect ont adopté une approche différente et ont rendu open source le projet Prime Agent. Il s'agit d'un outil pour les tâches de longue durée et les scripts de recherche, avec un environnement IPython interactif fonctionnant en dessous, et l'agent lui-même peut fonctionner en arrière-plan et ajuster ses instructions sans réécrire la base.

Comment fonctionne l'approche RLM

Au cœur du projet se trouve le concept de Recursive Language Model (RLM). Au lieu de fournir au réseau de neurones l'ensemble du contexte sous forme d'un bloc massif, Prime Agent convertit le contexte en variables, et transforme les outils et les agents enfants en fonctions Python ordinaires.

Tout le travail se déroule dans une session IPython. Lorsque l'agent doit lire un fichier, exécuter des tests ou traiter un tableau de données, il écrit et exécute immédiatement du code Python.

Si une tâche est divisée en plusieurs parties, le processus principal appelle la fonction rlm(...). Il génère un agent enfant isolé. Le processus enfant résout sa sous-tâche en parallèle ou en arrière-plan, puis renvoie le résultat au code principal. Le chat ne se remplit pas de logs intermédiaires dans le processus.

Auto-apprentissage via Continual Harness

D'habitude, si un agent tombe dans une impasse ou fait une erreur stupide, vous devez corriger manuellement ses règles ou son prompt système. Prime Agent dispose de la commande /refine pour cela.

Les mécanismes sont basés sur le concept de Continual Harness :

• L'agent analyse l'historique des actions et recherche les endroits où il s'est bloqué ou a dévié.
• Sur cette base, il forme des notes ciblées, des descriptions de compétences ou des spécifications pour les futurs sous-agents.
• Les modifications sont enregistrées comme des ajouts à l'état de la session, tandis que le prompt système reste intact.
• Tous les instantanés sont sauvegardés, de sorte que les ajustements infructueux peuvent toujours être annulés.

L'outil accumule de l'expérience en travaillant spécifiquement avec votre dépôt. Les chaînes de commandes répétitives peuvent être empaquetées en un package Python exécutable et enregistrées comme une compétence séparée.

Travail en arrière-plan et mode autonome

Pour les tâches longues comme l'exécution de benchmarks ou la refactorisation approfondie, l'agent peut passer en mode arrière-plan. Ceci est géré par un daemon intégré.

Vous pouvez démarrer un processus, déconnecter le terminal et y revenir quelques heures plus tard :

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

Si vous avez besoin que l'agent vérifie l'état du système ou exécute des vérifications selon un calendrier, il dispose de minuteurs et de la commande /heartbeat.

Pour un fonctionnement entièrement autonome, il existe le mode /autonomous. Il définit des limites strictes sur le nombre d'étapes, la consommation de tokens et le temps d'exécution. Vous pouvez également attacher des vérifications de qualité : si les tests échouent, l'agent continuera à chercher une solution jusqu'à épuisement du budget.

Les agents en cours d'exécution peuvent communiquer directement entre eux. Si un agent génère des données, il peut envoyer un message à un autre processus sans intervention humaine.

Installation et considérations de sécurité

L'installation sur macOS ou Linux se fait via un seul script :

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

Après l'installation, vous devez vous rendre dans le projet cible et lancer le CLI :

cd /path/to/project
prime-agent

Lors du premier lancement, la commande /login vous demandera de choisir un fournisseur d'API ou un abonnement.

Dans le README, les auteurs mettent honnêtement en garde : Prime Agent exécute le code généré directement sur votre machine avec les permissions de l'utilisateur actuel. Il n'y a pas de conteneur isolé ou de bac à sable prêt à l'emploi. Si vous donnez à l'agent accès à un dépôt non vérifié, le code généré pourrait accidentellement effacer des fichiers ou exécuter une commande console dangereuse. Il est donc préférable de l'exécuter dans des branches git propres, un conteneur Docker séparé ou une machine virtuelle isolée.

Qui trouvera ce projet utile

Prime Agent est principalement intéressant pour ceux qui écrivent du code de recherche, exécutent des évaluations de modèles complexes ou résolvent des tâches où un chat textuel avec un LLM ne suffit plus.

L'approche consistant à utiliser du code Python exécutable au lieu d'appels d'outils basés sur du texte ressemble à une évolution logique des outils CLI. Le projet est distribué sous licence MIT, collecte des milliers d'étoiles sur GitHub et est activement mis à jour. Si vous avez besoin d'un agent qui ne se bloque pas sur les longues tâches et qui peut travailler en arrière-plan, Prime Agent mérite définitivement d'être essayé.