Prime Agent：AI Agent 在 IPython 中运行代码并实时从错误中学习

大多数 AI 编程助手都遵循相同的模式：打开聊天窗口，输入提示词，获取代码片段或单个文件编辑。如果任务持续数小时，上下文会被垃圾信息填满，而意外关闭的终端标签页则会中断整个工作流程。

Prime Intellect 的开发者们采用了不同的方法，开源了 Prime Agent 项目。这是一个专为长时间运行的任务和研究脚本设计的工具，底层使用交互式 IPython 环境，代理可以在后台工作并调整指令而无需重写基础代码。

RLM 方法的工作原理

该项目的核心是递归语言模型（RLM）概念。Prime Agent 不是将整个上下文作为一个大块输入神经网络，而是将上下文转换为变量，并将工具和子代理变成常规的 Python 函数。

所有工作都在 IPython 会话中进行。当代理需要读取文件、运行测试或处理数据数组时，它会直接编写并执行 Python 代码。

如果任务被分成多个部分，主进程会调用函数 3。它生成一个隔离的子代理。子进程在后台并行或后台解决其子任务，然后将结果返回给主代码。这个过程不会让聊天记录充满中间日志。

通过 Continual Harness 实现自我学习

通常，如果代理遇到死胡同或犯了一个小错误，你需要手动修复它的规则或系统提示。Prime Agent 有命令 4 来处理这种情况。

机制建立在 Continual Harness 概念之上：

• 代理分析操作历史，寻找它卡住或偏离轨道的地方。
• 基于这些信息，它形成有针对性的笔记、技能描述或未来子代理的规范。
• 更改被记录为对会话状态的补充，而系统提示保持不变。
• 所有快照都被保存，所以不成功的调整总是可以回滚的。

该工具积累了在你的特定仓库中工作的经验。它可以将重复的命令链打包成可执行的 Python 包并保存为单独的技能。

后台工作和自主模式

对于长时间运行的任务（如运行基准测试或深度重构），代理可以切换到后台模式。这由内置守护进程处理。

你可以启动一个进程，断开终端连接，然后在几小时后回来查看：

0

如果你需要代理按计划检查系统状态或运行检查，它有定时器和命令 5。

对于完全自主的操作，有模式 6。它设置硬限制的步骤数、令牌消耗和运行时。你也可以附加质量检查：如果测试失败，代理将继续寻找解决方案，直到预算耗尽。

运行的代理可以直接相互通信。如果一个代理生成数据，它可以向另一个进程发送消息，而无需人工参与。

安装和安全注意事项

在 macOS 或 Linux 上安装是通过单个脚本完成的：

1

安装后，你需要进入目标项目并启动 CLI：

2

首次启动时，命令 7 会要求你选择 API 提供商或订阅。

在 README 中，作者坦诚地警告：Prime Agent 在你的机器上执行生成的代码，具有当前用户的权限。默认情况下没有隔离容器或沙箱。如果给代理访问未经验证的仓库的权限，生成的代码可能会意外删除文件或执行危险的命令。最好在干净的 git 分支、单独的 Docker 容器或隔离的虚拟机中运行它。

谁会发现这个项目有用

Prime Agent 主要对那些编写研究代码、运行复杂模型评估或处理文本聊天不再足够的任务的人有用。

使用可执行的 Python 代码而不是基于文本的工具调用的方法看起来是 CLI 工具的逻辑演变。该项目在 MIT 许可证下分发，在 GitHub 上收集了数千颗星，并且正在积极更新。如果你需要一个在长时间任务上不会冻结并且可以在后台工作的代理，Prime Agent 绝对值得一试。