DAILY OPEN SOURCE · 第 123 期PrimeIntellect/prime-agent6.3k Star 的自改进编码 Agent把 Harness 自己变成可 CRUD 的对象一个 MIT 开源的 RLM 自进化编码 Agent用持久化 IPython Continual Harness双抽象把 Agent 的工具、提示、技能、记忆、子代理全部变成可读可写可删的对象让 Agent 在跑任务的同时反向修改自己的脚手架。 GitHub Trending Self-Improving Persistent REPL Continual Harness Agent2Agent MIT 平台提示本工具依赖境外云Prime Intellect 官方仓库 OpenRouter/Vercel 等 Provider部分平台在中国大陆需合规网络环境。运行前请在隔离或受限环境中测试陌生仓库、Skill 和扩展。 项目速览 Prime Agent把 Harness 自己变成 Agent 可CRUD的对象——持久化 IPython 当内存、Continual Harness 当操作系统让 Agent 在跑任务时同时反向修改自己的脚手架。 MIT GitHub Trending Self-Improving⌨️ TypeScript Python A2A 互联6.3kGitHub Stars持续 Trending95.5%ARC-AGI-3 跑分Opus 5 RHAE Best1v0.8.02026-08-21 发布4,558 commits4,558Commits活跃迭代1,260支持模型4 大 Provider95.4%人类专家参考可对比基线项目名Prime Agent自改进 RLM 编码与研究 Agent作者Prime IntellectAlex L. Zhang / Kevin Thomas / Sebastian Müller 团队许可证MIT完全开源⌨️技术栈TypeScript host Python IPython 内核 Node ≥ 22.8.0仓库github.com/PrimeIntellect-ai/prime-agent文档7 篇quickstart · usage · long-running-agents · rlm · skills · architecture · providers理论RLM 博客 Continual Harness 论文arxiv 2605.09998一句话把 Agent 当成可自我 CRUD 的程序让 Harness 不再是写死的脚手架而是 Agent 在跑任务时也能反向修改的活体。 它解决了什么问题传统编码 Agent 框架的两条死结①上下文塞不下固定 Token 窗口 静态上下文压缩模型每轮都要把同一份内容翻译成自然语言反复塞进 prompt越用越笨。②Harness 写死提示词、技能、记忆、子代理一旦设计好就再不动Agent 在新项目里撞到的坑没法自动沉淀成新技能。Prime Intellect 团队前 Vectice / PyTorch Lightning 出身8 月 5 日发布 Prime Agent 时直言“Modern harness designs were built around the capabilities of earlier generations of models. Static, hand-engineered sub-agents, prompts, skills, and memory are set once at design time and never adapt to what the agent learns while running.”他们的解药是两条抽象把上下文从塞 prompt换成持久化 IPython 变量把脚手架本身从写死文件换成Agent 可 CRUD 的对象。 七大核心亮点① 递归语言模型RLM把上下文当代码变量Prime Agent 只给模型暴露一个内置工具持久化的 IPython 内核。文件读写、Shell、子代理调用、上下文管理全部由模型在 Python 里写成代码调用而不是传统 Harness 那种工具菜单 参数 schema。解析过的文件、表格、任务句柄都以 Python变量长期存在不挤对话窗口Agent 能在代码里组合数据变换而不是每次都通过自然语言来回序列化任意长 session 都不会丢历史因为历史活在变量里而不是 prompt 里这等于把 Agent 从会写代码的聊天机器人重塑为在 REPL 里编排一切的程序。② Continual Harness让 Harness 本身可 CRUD这是 Prime Agent 最让人细思极恐的抽象——Agent 可以把自己脚手架当成对象来创建 / 读取 / 更新 / 删除提示词补充提示supplemental prompts技能可复用的工作流说明记忆跨 session 沉淀的经验子代理spawned 子代理的规格Agent 在跑任务的过程中可以反向修改这些组件多个 session 之间能跨进程协调。这是真正意义上的自我修改不只是反思。③**/refine**命令有证据支撑的状态精炼Agent 跑完一轮后可以主动跑/refine审查整条轨迹对 harness 状态应用小的、有证据支撑的更新。关键安全设计永不重写不可变基系统提示immutable base system prompt每次精炼都会留下快照方便回滚糟糕的修改默认仅作用于当前 sessionlocal to the session这等于给 Harness 配了一个内置的git commit history revert——Agent 可以改自己但改坏了能撤销。④ 持久化目标 自动压缩跨 session 不丢进度/goal命令设定一个目标Agent 会让目标在跨轮次、跨终端、跨 session 都保持活跃直到完成、暂停或清除。配合自动压缩context window overflow 时主动清理长任务可以跑几天不掉链子。⑤ 后台 Daemon终端断开 Agent 继续跑Prime Agent 在本地 socket 上跑一个后台守护进程持有所有 live agent session。用户CtrlC/ 关掉终端 → 代理循环继续在后台下次用prime-agent attach agent重新接上看进度、做引导每个 root session 跑在 recoverable worker 进程里崩溃后从 JSONL kernel state snapshot 恢复Idle 30 分钟的子代理自动卸载需要时从磁盘 reload这套机制让Agent 在周末替你跑重构、星期一打开终端看结果成为常态。⑥ Agent2Agent 直接通信去中心化协调Prime Agent 不通过用户路由两个子代理之间的消息——它们直接互发消息。一个子代理审计认证模块另一个扫测试覆盖它们之间能自动同步发现可以 spawn 持久子代理之后在主代理轨迹里再发消息过去可以同时打开两个 Prime Agent session让它们互相对话这等于把多代理协调从中央调度器换成对等网络。⑦ 技能可执行 自主模式把重复工作流固化为 Python 包技能不是 Markdown 文本而是可导入的 Python 包。内置技能创建器会观察重复工作流并主动提议转成项目级或个人级技能。下次再遇到同样任务import进来即可。/autonomous启动有界自主模式按预算轮次 / Token / 时间运行/heartbeat周期 / 定时再进会话支持quality gates门控只有满足条件才 commit️ 实战场景场景 1周末跨天长任务周五下班关掉终端周一看结果给 Prime Agent 一个跨天的目标把项目里 200 个 TypeScript 文件的 any 类型全部替换为精确类型跨周末两天完成。周五下班时CtrlCPrime Agent daemon 在后台继续持有 session、IPython kernel 和子代理周日它用/goal持续追踪进度、自动压缩上下文、用子代理分批处理模块周一早上prime-agent attach回来看日志、看 diff、按需引导。场景 2多 Agent 并行审计让 3 个子代理同时扫 3 个模块在主 Agent 的 REPL 里# 让 3 个子代理并行审计认证、订单、支付三个模块auth_reviewawait rlm(检查 auth/ 的 session fixation 和越权风险,nameauth-reviewer)order_reviewawait rlm(扫 order/ 的状态机原子性问题,nameorder-reviewer)pay_reviewawait rlm(查 payment/ 的金额精度和对账完整性,namepay-reviewer)# 主 Agent 不用等子代理同步完成——结果会通过 A2A 消息流回来continue# 主 Agent 继续推进其它工作三个子代理在后台跑结果自动汇集到主 Agent 的 audit report。场景 3自我进化跑一周后自动生成新技能连续一周每天用 Prime Agent 跑相同的 PR review 工作流后/refine注意到 Agent 反复走同一段代码模式先看 CI、看 reviewer 反馈、扫 changelog。它会主动提议“是不是该把这套流程沉淀成skills/pr_review_pipeline/这个项目级技能”你确认后下周其他项目import进来即可。这是Agent 自己写自己的技能库的日常。场景 4ARC-AGI-395.5% 跑赢人类基线 95.4%Prime Intellect 团队把 Prime Agent Opus 5 丢到 ARC-AGI-3 公开榜RHAE Best1 跑出 95.5%略高于发布博客中列出的人类专家参考线 95.4%ARC 社区榜单同时列了 95.3% 的Human Intelligence Harness中位数为 95.24%数字之间互不构成普遍优越于人类的结论。实测意义不在于超过人类而在于Agent CRUD 自己的 harness这件事对真实长链推理任务有可测的提升。 上手指南系统要求macOS / Linux、Node.js ≥ 22.8.0、Python ≥ 3.10IPython 内核、4GB 内存LicenseMIT完全免费商用Skill 子目录如skills/coding-agent/也是 MIT# Step 1一键安装macOS / Linux自动验证 SHA-256curl-fsSLhttps: //app.primeintellect.ai/prime-agent/install.sh|sh# Step 2进入项目目录启动 Prime Agentcd/path/to/ your-project prime-agent# Step 3首次登录选择订阅或 API-keyOpenRouter / Prime Inference / Vercel AI Gateway / OpenCode Go/login# Step 4浏览所有运行 / 空闲 / 已保存的 sessionprime-agent agents# Step 5detach reattach——终端关了代理继续prime-agent attachagent-name# Step 6后台服务状态 / 自检 / 关闭prime-agent status prime-agent doctor[--fix]prime-agentshutdown[--force] 三种持久化目标使用方式•/goal text— 设定目标跨轮次活跃直到完成•/heartbeat interval— 周期性重新进入会话•/autonomous— 在预算内自主运行可配质量门控 /refine 最小循环跑完一长串任务后输入/refine→ 它读你的整条轨迹 → 提议小而可证据化的 harness 更新技能 / 补充提示 / 记忆 / 子代理→ 你 approve 后才生效基系统提示永远不动。⚠️ 安全边界务必读 SECURITY.mdPrime Agent 不是沙箱。模型生成的 Python 和项目命令会以你操作系统用户身份执行。测试陌生仓库、Skill、扩展前请用一次性 clone 或受限环境隔离它保护不了你的 SSH key 或浏览器 cookie。 同类对比Prime Agent vs 主流 Agent Harnessvs OpenHandsOpenHands 有子代理和工具但 Harness 是静态设计Prime Agent 用/refine反向修改 harness。vs AutoGPTAutoGPT 是经典自主循环但 prompt memory 写死Prime Agent 把 prompt/skill/memory/subagent 全部做成对象。vs Claude CodeClaude Code TUI 体验成熟但 prompt 是 Anthropic 私有Prime Agent MIT 完全开源 1260 模型可选。vs Codex CLICodex 依赖 OpenAI API无 daemon 无 RLMPrime Agent 把 IPython 当唯一内置工具跨进程保活。vs CursorCursor IDE 体验完善但 Editor 形式Prime Agent 是 CLI daemon 形态专攻长时自主任务。vs Claude Code Skills122 期对照Skills 是 Markdown 静态调用Prime Agent 的技能是可导入的 Python 包 自动生成。 数据卡片95.5%ARC-AGI-3Opus 5 跑分30 minIdle 子代理自动卸载6 大Skill 命令/goal/refine 等 今日总结Prime Agent 不是又一个AI 编码助手——它把Harness本身当成可 CRUD 的对象让 Agent 在跑任务时反向修改自己的脚手架、用/refine有证据地精炼、用 daemon 在跨天 session 里持续推进、用 A2A 消息直接协调子代理。对长时自主任务、自进化研究、和Agent 自己写自己的 Skill 库这件事它给出了目前最完整的一套开源答案。配合前几期的 Cordis插件底座、Headroom上下文压缩、OpenViking上下文数据库、skillsSkill 化本期把AI Agent 基础设施叙事线的最后一公里补齐——从被动 Harness 到自进化 Harness。 互动话题你愿意让你的 AI 编码助手反向修改自己的提示词吗觉得/refine是革命还是风险有没有想过用它做周末托管评论区聊聊下期挑一位读者的真实场景做一篇对照实测。每日开源 · 早间篇 · 第 123 期 · 完
PrimeIntellect/prime-agent：6.3k Star 的自改进编码 Agent，把 Harness 自己变成可 CRUD 的对象｜SSP Github Daily
DAILY OPEN SOURCE · 第 123 期PrimeIntellect/prime-agent6.3k Star 的自改进编码 Agent把 Harness 自己变成可 CRUD 的对象一个 MIT 开源的 RLM 自进化编码 Agent用持久化 IPython Continual Harness双抽象把 Agent 的工具、提示、技能、记忆、子代理全部变成可读可写可删的对象让 Agent 在跑任务的同时反向修改自己的脚手架。 GitHub Trending Self-Improving Persistent REPL Continual Harness Agent2Agent MIT 平台提示本工具依赖境外云Prime Intellect 官方仓库 OpenRouter/Vercel 等 Provider部分平台在中国大陆需合规网络环境。运行前请在隔离或受限环境中测试陌生仓库、Skill 和扩展。 项目速览 Prime Agent把 Harness 自己变成 Agent 可CRUD的对象——持久化 IPython 当内存、Continual Harness 当操作系统让 Agent 在跑任务时同时反向修改自己的脚手架。 MIT GitHub Trending Self-Improving⌨️ TypeScript Python A2A 互联6.3kGitHub Stars持续 Trending95.5%ARC-AGI-3 跑分Opus 5 RHAE Best1v0.8.02026-08-21 发布4,558 commits4,558Commits活跃迭代1,260支持模型4 大 Provider95.4%人类专家参考可对比基线项目名Prime Agent自改进 RLM 编码与研究 Agent作者Prime IntellectAlex L. Zhang / Kevin Thomas / Sebastian Müller 团队许可证MIT完全开源⌨️技术栈TypeScript host Python IPython 内核 Node ≥ 22.8.0仓库github.com/PrimeIntellect-ai/prime-agent文档7 篇quickstart · usage · long-running-agents · rlm · skills · architecture · providers理论RLM 博客 Continual Harness 论文arxiv 2605.09998一句话把 Agent 当成可自我 CRUD 的程序让 Harness 不再是写死的脚手架而是 Agent 在跑任务时也能反向修改的活体。 它解决了什么问题传统编码 Agent 框架的两条死结①上下文塞不下固定 Token 窗口 静态上下文压缩模型每轮都要把同一份内容翻译成自然语言反复塞进 prompt越用越笨。②Harness 写死提示词、技能、记忆、子代理一旦设计好就再不动Agent 在新项目里撞到的坑没法自动沉淀成新技能。Prime Intellect 团队前 Vectice / PyTorch Lightning 出身8 月 5 日发布 Prime Agent 时直言“Modern harness designs were built around the capabilities of earlier generations of models. Static, hand-engineered sub-agents, prompts, skills, and memory are set once at design time and never adapt to what the agent learns while running.”他们的解药是两条抽象把上下文从塞 prompt换成持久化 IPython 变量把脚手架本身从写死文件换成Agent 可 CRUD 的对象。 七大核心亮点① 递归语言模型RLM把上下文当代码变量Prime Agent 只给模型暴露一个内置工具持久化的 IPython 内核。文件读写、Shell、子代理调用、上下文管理全部由模型在 Python 里写成代码调用而不是传统 Harness 那种工具菜单 参数 schema。解析过的文件、表格、任务句柄都以 Python变量长期存在不挤对话窗口Agent 能在代码里组合数据变换而不是每次都通过自然语言来回序列化任意长 session 都不会丢历史因为历史活在变量里而不是 prompt 里这等于把 Agent 从会写代码的聊天机器人重塑为在 REPL 里编排一切的程序。② Continual Harness让 Harness 本身可 CRUD这是 Prime Agent 最让人细思极恐的抽象——Agent 可以把自己脚手架当成对象来创建 / 读取 / 更新 / 删除提示词补充提示supplemental prompts技能可复用的工作流说明记忆跨 session 沉淀的经验子代理spawned 子代理的规格Agent 在跑任务的过程中可以反向修改这些组件多个 session 之间能跨进程协调。这是真正意义上的自我修改不只是反思。③**/refine**命令有证据支撑的状态精炼Agent 跑完一轮后可以主动跑/refine审查整条轨迹对 harness 状态应用小的、有证据支撑的更新。关键安全设计永不重写不可变基系统提示immutable base system prompt每次精炼都会留下快照方便回滚糟糕的修改默认仅作用于当前 sessionlocal to the session这等于给 Harness 配了一个内置的git commit history revert——Agent 可以改自己但改坏了能撤销。④ 持久化目标 自动压缩跨 session 不丢进度/goal命令设定一个目标Agent 会让目标在跨轮次、跨终端、跨 session 都保持活跃直到完成、暂停或清除。配合自动压缩context window overflow 时主动清理长任务可以跑几天不掉链子。⑤ 后台 Daemon终端断开 Agent 继续跑Prime Agent 在本地 socket 上跑一个后台守护进程持有所有 live agent session。用户CtrlC/ 关掉终端 → 代理循环继续在后台下次用prime-agent attach agent重新接上看进度、做引导每个 root session 跑在 recoverable worker 进程里崩溃后从 JSONL kernel state snapshot 恢复Idle 30 分钟的子代理自动卸载需要时从磁盘 reload这套机制让Agent 在周末替你跑重构、星期一打开终端看结果成为常态。⑥ Agent2Agent 直接通信去中心化协调Prime Agent 不通过用户路由两个子代理之间的消息——它们直接互发消息。一个子代理审计认证模块另一个扫测试覆盖它们之间能自动同步发现可以 spawn 持久子代理之后在主代理轨迹里再发消息过去可以同时打开两个 Prime Agent session让它们互相对话这等于把多代理协调从中央调度器换成对等网络。⑦ 技能可执行 自主模式把重复工作流固化为 Python 包技能不是 Markdown 文本而是可导入的 Python 包。内置技能创建器会观察重复工作流并主动提议转成项目级或个人级技能。下次再遇到同样任务import进来即可。/autonomous启动有界自主模式按预算轮次 / Token / 时间运行/heartbeat周期 / 定时再进会话支持quality gates门控只有满足条件才 commit️ 实战场景场景 1周末跨天长任务周五下班关掉终端周一看结果给 Prime Agent 一个跨天的目标把项目里 200 个 TypeScript 文件的 any 类型全部替换为精确类型跨周末两天完成。周五下班时CtrlCPrime Agent daemon 在后台继续持有 session、IPython kernel 和子代理周日它用/goal持续追踪进度、自动压缩上下文、用子代理分批处理模块周一早上prime-agent attach回来看日志、看 diff、按需引导。场景 2多 Agent 并行审计让 3 个子代理同时扫 3 个模块在主 Agent 的 REPL 里# 让 3 个子代理并行审计认证、订单、支付三个模块auth_reviewawait rlm(检查 auth/ 的 session fixation 和越权风险,nameauth-reviewer)order_reviewawait rlm(扫 order/ 的状态机原子性问题,nameorder-reviewer)pay_reviewawait rlm(查 payment/ 的金额精度和对账完整性,namepay-reviewer)# 主 Agent 不用等子代理同步完成——结果会通过 A2A 消息流回来continue# 主 Agent 继续推进其它工作三个子代理在后台跑结果自动汇集到主 Agent 的 audit report。场景 3自我进化跑一周后自动生成新技能连续一周每天用 Prime Agent 跑相同的 PR review 工作流后/refine注意到 Agent 反复走同一段代码模式先看 CI、看 reviewer 反馈、扫 changelog。它会主动提议“是不是该把这套流程沉淀成skills/pr_review_pipeline/这个项目级技能”你确认后下周其他项目import进来即可。这是Agent 自己写自己的技能库的日常。场景 4ARC-AGI-395.5% 跑赢人类基线 95.4%Prime Intellect 团队把 Prime Agent Opus 5 丢到 ARC-AGI-3 公开榜RHAE Best1 跑出 95.5%略高于发布博客中列出的人类专家参考线 95.4%ARC 社区榜单同时列了 95.3% 的Human Intelligence Harness中位数为 95.24%数字之间互不构成普遍优越于人类的结论。实测意义不在于超过人类而在于Agent CRUD 自己的 harness这件事对真实长链推理任务有可测的提升。 上手指南系统要求macOS / Linux、Node.js ≥ 22.8.0、Python ≥ 3.10IPython 内核、4GB 内存LicenseMIT完全免费商用Skill 子目录如skills/coding-agent/也是 MIT# Step 1一键安装macOS / Linux自动验证 SHA-256curl-fsSLhttps: //app.primeintellect.ai/prime-agent/install.sh|sh# Step 2进入项目目录启动 Prime Agentcd/path/to/ your-project prime-agent# Step 3首次登录选择订阅或 API-keyOpenRouter / Prime Inference / Vercel AI Gateway / OpenCode Go/login# Step 4浏览所有运行 / 空闲 / 已保存的 sessionprime-agent agents# Step 5detach reattach——终端关了代理继续prime-agent attachagent-name# Step 6后台服务状态 / 自检 / 关闭prime-agent status prime-agent doctor[--fix]prime-agentshutdown[--force] 三种持久化目标使用方式•/goal text— 设定目标跨轮次活跃直到完成•/heartbeat interval— 周期性重新进入会话•/autonomous— 在预算内自主运行可配质量门控 /refine 最小循环跑完一长串任务后输入/refine→ 它读你的整条轨迹 → 提议小而可证据化的 harness 更新技能 / 补充提示 / 记忆 / 子代理→ 你 approve 后才生效基系统提示永远不动。⚠️ 安全边界务必读 SECURITY.mdPrime Agent 不是沙箱。模型生成的 Python 和项目命令会以你操作系统用户身份执行。测试陌生仓库、Skill、扩展前请用一次性 clone 或受限环境隔离它保护不了你的 SSH key 或浏览器 cookie。 同类对比Prime Agent vs 主流 Agent Harnessvs OpenHandsOpenHands 有子代理和工具但 Harness 是静态设计Prime Agent 用/refine反向修改 harness。vs AutoGPTAutoGPT 是经典自主循环但 prompt memory 写死Prime Agent 把 prompt/skill/memory/subagent 全部做成对象。vs Claude CodeClaude Code TUI 体验成熟但 prompt 是 Anthropic 私有Prime Agent MIT 完全开源 1260 模型可选。vs Codex CLICodex 依赖 OpenAI API无 daemon 无 RLMPrime Agent 把 IPython 当唯一内置工具跨进程保活。vs CursorCursor IDE 体验完善但 Editor 形式Prime Agent 是 CLI daemon 形态专攻长时自主任务。vs Claude Code Skills122 期对照Skills 是 Markdown 静态调用Prime Agent 的技能是可导入的 Python 包 自动生成。 数据卡片95.5%ARC-AGI-3Opus 5 跑分30 minIdle 子代理自动卸载6 大Skill 命令/goal/refine 等 今日总结Prime Agent 不是又一个AI 编码助手——它把Harness本身当成可 CRUD 的对象让 Agent 在跑任务时反向修改自己的脚手架、用/refine有证据地精炼、用 daemon 在跨天 session 里持续推进、用 A2A 消息直接协调子代理。对长时自主任务、自进化研究、和Agent 自己写自己的 Skill 库这件事它给出了目前最完整的一套开源答案。配合前几期的 Cordis插件底座、Headroom上下文压缩、OpenViking上下文数据库、skillsSkill 化本期把AI Agent 基础设施叙事线的最后一公里补齐——从被动 Harness 到自进化 Harness。 互动话题你愿意让你的 AI 编码助手反向修改自己的提示词吗觉得/refine是革命还是风险有没有想过用它做周末托管评论区聊聊下期挑一位读者的真实场景做一篇对照实测。每日开源 · 早间篇 · 第 123 期 · 完