AREX Feed Article
Prime Intellect 掏出开源 Agent 王牌：RLM + 自进化 Harness，2900 赞推文一夜刷屏
当整个行业都在 chat，有人开始做 runtime
2026 年的 AI coding agent 市场正在经历一轮范式收束。Claude Code、Codex CLI、Cursor、Windsurf、OpenCode——这些产品在设计上有显著共同点：聊天框式交互、预定义的工具集、模型每次只能被动响应一个 turn。
这个模式由 GPT-4 时代的模型能力所塑造；当时让模型在对话中调用几个工具已经是前沿。但 Claude Opus 4、GPT-5、Gemini 3 等新一代模型在长程推理和多步规划上的能力，已经远超两年前的工具调用范式所能承载的上限。当一个模型可以在一次推理中写出 200 行复杂 Python 时，让它通过 JSON schema 逐个调用 read_file、write_file、run_command，是在浪费它的能力。
8 月 5 日，Prime Intellect 发布了 Prime Agent，正面回应了这个张力。它没有在现有 harness 上加功能，而是直接换了一个范式：让模型对它的运行时编程。
MIT 开源，一个 REPL 替代所有 function-calling
Prime Agent 是一个基于 RLM（Recursive Language Model，递归语言模型）和 Continual Harness（持续进化线束）的开源编码 Agent，MIT 协议。它用一个持久的 IPython 内核替代传统 function-calling，让模型把上下文视为变量、把子 agent 委托视为函数调用，并允许 harness 本身在运行中自我改进。
技术底牌：把整个 Agent 变成一个 REPL
Prime Agent 的技术方案绕开了当前主流 harness 的两个核心假设。
第一个假设：Agent 通过固定的 function-calling schema 调用工具。Prime Agent 否定这一点。它给模型一个持久的 IPython 内核。不是封装好的工具列表，而是一个完整的 Python REPL。文件操作、shell 命令、子 agent 调用、上下文管理全部写成代码执行。模型不再只能从菜单里选菜，而是直接进了厨房。
对应它的第一个核心抽象 RLM。RLM 把上下文视为变量（prompt-as-a-variable），把子 agent 委托视为函数调用。rlm(...) 是一步异步调用，启动一个完整的子 agent 会话并立刻返回句柄，结果通过 agent_message.send() 异步送达。模型可以在代码里并行扇出多个子 agent，也可以把后台任务 fork 出去后继续自己的工作：
auth = await rlm("Summarize the authentication flow", name="auth-expert")api = await rlm("Summarize the HTTP API layer", name="http-expert")# 继续独立工作，两个子 agent 完成后各自发送 agent_message 回报这套逻辑比传统"tool call → wait → next tool call"循环更激进：不是把模型塞进 harness，而是让 harness 变成模型的运行时。
第二个被挑战的假设：harness 的状态是设计时写死的。提示词、技能、记忆、子 agent 规格，这些都在代码或配置里静态定义，运行时不会改变。Prime Agent 的 Continual Harness 把这些状态抽象为 CRUD 表面：create_prompt_note、create_memory、create_skill、create_subagent，每一项都可以读、改、删。/refine 命令读取 agent 自己的轨迹，包括试了什么、发生了什么，然后对 harness 状态施加最小的、有证据支撑的 CRUD 编辑。基础系统提示词不可变，改的只是补充层。
编辑观察：这两个抽象之间的关系是乘法，不是加法。RLM 给了模型写程序的能力，Continual Harness 给了模型改写自己运行环境的能力。放在一起，一个 agent 可以在执行中发现复用模式、写成技能、在后续任务中调用，无需人类介入。
架构上，Prime Agent 自带后台守护进程管理所有活跃会话，Terminal 断开不中断。Agents View 允许在任意嵌套层级的 agent 和子 agent 之间导航。会话状态以追加 JSONL 落盘，支持分支、fork 和克隆。Compaction 按阈值触发或由 agent 在 REPL 中直接调用 compact.run()，同时异步清理 IPython 内核内存。
Justin P.（@jjpcodes，OpenTrawl 创始人、OpenClaw 社区维护者）在引述中指出 Prime Agent"没有使用 native Codex compaction，只有 pi 原生的朴素实现（just a prompt）"，这意味着如果接入更高效的 compaction 扩展，"还有改进空间"。@JesterMule 的评估更直白："长程任务远超竞品，但整体来看不如 opencode。"
3071 次提交，libGDX 作者是最大贡献者
Prime Agent 的 GitHub 仓库在发推 4 小时后突破 800 星，但比星数更值得注意的是贡献者列表。
Mario Zechner（@badlogicgames）以 3071 次提交位列第一贡献者，占总提交量的 75% 以上。Zechner 是开源游戏框架 libGDX 的作者、前 Spotify 工程师，在开发者社区拥有 6.5 万 Twitter 关注者。他在 Prime Agent 发布后发了一条推文："PI + pi"——Prime Intellect + pi 的双关缩写——290 次点赞，2.3 万浏览。这条推文也是本次事件的社区引爆点。
Prime Intellect 定位为"Open Superintelligence Stack"，已发布的产品线包括 pi-mono 和 PRIME-RL。团队 7.5 万 Twitter 关注者，Business 认证。公司主页口号只有一行：uv tool install prime。这本身就是一个产品陈述。
pi 的原作者 @pidotdev（2.7 万关注者，Bio："There are many agent harnesses, but this one is yours"）在发布串下以 😍😍 回应。他的 pi 项目已经成为 2026 年 AI coding agent 社区的事实基础设施，Codex CLI、OpenCode 等多个热门 agent 均基于 pi 构建。Prime Agent 选择在 pi 之上构建而非另起炉灶，既是对 pi 生态的强力背书，也意味着它可以复用 pi 已有的扩展和技能生态。
编辑观察：Prime Agent 不是 pi 的一个扩展，而是一个独立的编码 Agent，它把 pi 作为 TUI 层和会话基础设施。"PI + pi"这个命名恰好说明了两者的关系：下层是 Prime Intellect 的架构哲学，上层是 pi 的终端交互。
三代 Agent harness，Prime Agent 站第三层
如果把 Agent harness 分为三代，Prime Agent 的位置会很清楚。
第一代，Chat-first：ChatGPT、早期 Copilot。对话为主，代码建议为辅。
第二代，Tool-call harness：Claude Code、Codex CLI、Cursor Agent mode。模型通过 function-calling 操作文件系统和执行命令，但交互模式仍是回合制对话。OpenCode（开源）和 Claude Code（闭源）是这个类别的标杆。
第三代，Programmatic harness：Prime Agent 是目前最突出的代表。Codex CLI 的 --yolo 模式部分接近这个方向，但缺少 RLM 的程序化子 agent 调用和 Continual Harness 的自进化机制。Lee Penkman（@LeeLeepenkman，3900 关注者）在 Prime Agent 发布后公开了自己对 pi 的类似尝试，一个名为 pi-infinity 的 --auto-next-steps 扩展，并承认"你们比我先做出来了"。
@thetreygoff（2150 关注者）的判断最具代表性："所有 pi fork 里，这个最酷。" @gm_mertd 说得更直接："pi 正在慢慢变成 THE harness，而且当之无愧。" @0xMaxSF 评价为"见过最酷的 harness"。@Rick Gigger（@rgigger）的总结更简洁："Everything is built on pi now."
这不是一个更好的聊天框，这是一次接口革命
Prime Agent 发布后 24 小时内，主推文 2907 次点赞、315 次转发、232 次引用、43 万浏览，GitHub 仓库 810 星。这个数据对于一个新发布的开发者工具来说不是破圈级的爆款，但在 AI coding 社区内部产生了超出星数的影响力。被触动的不是用户量，而是架构共识。
Prime Agent 的赌注很明确：Agent 的下一代不是更好的 prompt engineering，而是让模型直接控制自己的 runtime。如果这个方向正确，今天看起来"激进"的 REPL-only 设计，两年后会变成基础设施。如果不对，那它至少把第三代的边界完整探了一遍。
参考链接：