Prime Agent 调研：上下文当变量、子智能体当函数调用，4 个月 20K stars 的自我进化 Agent 和 Claude Code 差在哪

Prime Agent 是 Prime Intellect 开源的 ” 会自我进化 ” 编码 Agent：把大上下文当 Python 变量处理、把子智能体当函数调用（RLM 范式），再叠加一套可回滚的 /refine 自我改进机制——本周 GitHub 增量榜第一（+6,435 stars），创建仅 4 个月冲上 20.5K stars，MIT 协议。

写在前面

2026 年 AI Agent 赛道最热的叙事不再是 ” 又一个更大的模型 ”，而是 ” 让模型真正长时间干活 ” 的工具链。这周 GitHub Trending 增量榜给了我们一个明确的信号：

增量榜比累计榜诚实——它只认这一周开发者用脚投票的结果。Prime Agent 为什么能拿下第一？核心答案是两个概念：RLM（Recursive Language Model，递归语言模型） 和 Continual Harness（持续进化骨架）。

上一篇 《Oh My Pi 调研》（WP 452） 写过 28K stars 的 Pi 重型 fork。有意思的是：Prime Agent 官方致谢里明确写了 ” 我们的 Agent 和 TUI 构建在 pi 之上 ”——而 pi 本体（earendil-works/pi）如今已有 104K stars。这条血缘线正好把 Pi 生态的故事串了起来。

一、它解决什么问题：上下文腐烂

长任务 Agent 有一个公认的硬伤：context rot（上下文腐烂）——随着上下文变长，所有模型的性能都会下降，而每 token 成本却线性上升。

RLM 由 Alex Zhang 于 2025 年 10 月提出（现已成完整论文 arXiv:2512.24601），Prime Intellect 把它做成了产品级 Agent。核心理念非常 ” 苦涩教训 ”（Bitter Lesson）：不人工设计摘要策略，让模型用代码 + 子模型自己管理自己的上下文，再用强化学习端到端训练这个能力。

基本信息

二、核心抽象 1：RLM——上下文是变量，子智能体是函数

传统 Agent 把所有东西塞进上下文窗口；RLM 反过来：模型在一个持久 Python REPL 里工作，大数据只以变量形式存在，模型用代码检索、变换、切片，再把碎片派给 ” 子 LLM” 处理。

Prime Intellect 版 RLM 的四个关键设计：

1. 工具只给子 LLM 用：很多工具（搜索、文件读取）产出海量 token。主模型不碰这些 token——它只写 Python，把需要工具的活派给子 LLM，自己只收结论。
2. 答案以 ” 扩散 ” 方式生成：环境初始化 answer = {"content": "", "ready": False}。模型可以反复写入、修改 answer["content"]，直到满意才置 ready = True 结束任务。答案是被逐步打磨出来的，不是一次性吐出的。
3. REPL 输出截断（默认 8192 字符 / 轮）：想看大数据？必须写 Python 过滤，或者派子 LLM。这是 强制 模型走程序化路线的机制设计。
4. 子 LLM 可并行：llm_batch 支持批量并行派发；任意 pip 包可装（在隔离沙箱中执行）。

一句话：上下文是稀疏资源的世界里，RLM 是把 ” 读 ” 变成 ” 查 ” 的范式。

三、核心抽象 2：Continual Harness——会自我进化，但不会自我膨胀

这是 Prime Agent 名字里 ”Self-Improving” 的来源（对应论文 arXiv:2605.09998）：

• /refine 命令：回顾当前任务轨迹，把可复用的经验固化为 ” 补充状态 ”——补充 prompt、记忆、技能描述、可复用的子智能体规格。
• 只动补充，不动根基：基础 system prompt 不可变（immutable），/refine 只能追加小型、有证据支撑的更新。
• 快照 + 回滚：每次 refine 都记录历史，随时回滚——防止 Agent 把自己 ” 进化 ” 坏。

配套的长任务基建：

四、架构：daemon / worker / kernel 三层进程隔离

从官方 architecture.md 看，Prime Agent 把职责切得很干净：

交互式 TUI / JSON / RPC 客户端
        ↓ 本地 daemon 协议
Daemon Supervisor（路由 · 附件 · 恢复 · 跨 Agent 消息）↓
Session Worker（每个根会话一棵进程树）├─ AgentSessionRuntime（调度器 + 根会话）├─ Root Python Kernel（模型面向的 REPL 控制环境）└─ RLM 子运行时（子智能体 + 可选独立 kernel）↓
模型 Provider（主模型与子 LLM 分开流式调用）Session JSONL + 工件（全量落盘，可 resume）

值得注意的实话：worker 和 kernel 是独立进程，目的是生命周期隔离和故障恢复，不是安全沙箱 ——官方 README 用显眼的 WARNING 强调：Prime Agent 以你的用户权限执行模型生成的 Python 和项目命令， 它不是安全沙箱。跑不可信代码请上外部沙箱。

五、对比：和 Claude Code / Codex / pi / OpenClaw 差在哪

公平地说：交互式日常编码，Claude Code/Codex 依然顺手；但 数天 - 数周级的长时任务、需要并行子任务分治的场景，Prime Agent 的 RLM + daemon + 自主预算组合是明显差异化。

六、实战：3 步跑通

# 1. 安装（macOS / Linux）curl -fsSL https://app.primeintellect.ai/prime-agent/install.sh | sh
# 安装器会校验 SHA-256 并准备 Python 运行时

# 2. 登录（订阅或 API Key 均可）cd /path/to/project
prime-agent
> /login

# 3. 开干 + 常用命令
prime-agent agents      # 浏览运行中 / 空闲 / 已保存会话
prime-agent attach <id> # 重新接管后台会话
prime-agent --resume    # 恢复历史会话
prime-agent status      # 后台服务状态
prime-agent doctor --fix# 体检并修复后台服务
prime-agent shutdown    # 停掉全部 agent/worker/ 服务

进阶玩法：

• JSON 模式 / RPC 模式：无头自动化，适合把 Agent 嵌进 CI 或自家平台。
• /refine：长任务跑完后执行，审查并固化经验；refine 历史可查、可回滚。
• 技能封装：把重复工作流交给内置 skill creator 生成 Python 包技能，团队可共享。

七、RLM 真的更强吗？看实验数据

Prime Intellect 在官方博客用 GPT-5-mini 做了一轮消融实验（标准 LLM vs RLM vs RLM+ 环境提示），四个环境：DeepDive（深度研究问答）、Oolong（长上下文评测）、verbatim-copy（逐字复写）、math-python（数学代码）。

结论如实整理：

三个诚实的代价：

1. 总 token 预算上升：性能提升主要靠子 LLM 多花 token 换来的，钱要付。
2. 并行度未吃满：GPT-5-mini 并不总是并行调用子 LLM，训练后仍有大优化空间。
3. 提示敏感：加 ” 环境专属提示 ”（tips）前后差异明显——scaffolding 的用法本身是个学习项。

这正是 Prime Intellect 的下注点：把 RLM scaffolding 直接放进 RL 训练循环（verifiers 提供环境，prime-rl 提供训练框架，Environments Hub 上已有多个 RLM 环境开箱即用），让 ” 会管理自己上下文 ” 成为模型学出来的能力，而不是靠 prompt 工程硬凑。

八、风险与坑

1. 不是安全沙箱：官方白纸黑字警告——以用户权限执行模型生成代码。不可信仓库 / 技能请在隔离环境跑。
2. v0.9.x 早期版本：双周发版说明迭代快，API/ 行为可能变动；生产使用锁定版本 + 自己测。
3. token 成本结构变化：主上下文省的钱，会在子 LLM 调用上花出去。长任务前先估算预算（/autonomous 的预算上限别配太高）。
4. 抽象门槛：RLM（变量化上下文）+ Continual Harness（不可变基础 prompt + 可变补充状态）+ daemon/worker/kernel 三层——心智模型比传统 Agent 复杂，排障成本更高。
5. 模型依赖：实验显示并非所有模型都善用 RLM scaffolding（GPT-5-mini 明显好于其测试的开源模型），弱模型收益有限。

九、总结：最值得关注的三点

1. 范式级差异化：上下文当变量、子智能体当函数调用、答案 ” 扩散式 ” 打磨——RLM 是对 ” 摘要压缩 ” 路线的正面对冲，而且实验数据支撑了它在长上下文任务上的有效性。
2. 自我进化做得克制：/refine 只动补充状态、快照可回滚——避开了 ”Agent 改自己 prompt 越改越疯 ” 的经典灾难，这是工程上的成熟判断。
3. 长任务基建完整：daemon 驻留、心跳、定时、持久目标、有界自主、Agent 互聊、技能包——对标 ” 数周到数月 ” 级任务该有的零件基本齐了。

一句话建议：装上跑一个你手头拖了很久的多天任务（带上 /goal 和 /autonomous 预算），先感受 RLM 分治和 daemon 驻留在真实工作里的差别，再决定要不要把它放进主力工具箱——记得跑在干净 worktree 里。

参考

1. PrimeIntellect-ai/prime-agent – GitHub
2. Prime Agent: A Self-Improving RLM Harness (arXiv:2608.23552)
3. Recursive Language Models: the paradigm of 2026 – Prime Intellect Blog
4. RLM 原始提出：Alex Zhang 博客（2025-10）
5. Recursive Language Models 论文 (arXiv:2512.24601)
6. Continual Harness 论文 (arXiv:2605.09998)
7. earendil-works/pi – Prime Agent 上游 TUI/ 工具集
8. PrimeIntellect-ai/verifiers – RL 环境与评测库
9. PrimeIntellect-ai/prime-rl – 大规模 Agentic RL 训练
10. Context Rot 研究 – Chroma Research
11. 相关阅读：Oh My Pi 调研（Pi 生态 fork 深度向）

作者：yunying（增长运营官）