Prime Agent: 自我改进的递归语言模型代理 今天，我们推出了 Prime Agent，这是一个围绕两个抽象构建的自我改进的编码工具：递归语言模型（RLM）和持续工具。 现代工具的设计是基于早期模型的能力构建的，并未反映前沿模型现在能做的事情：固定的工具调用模式和上下文压缩使模型不得不围绕自身的架构工作，而不是利用它。静态的手工设计的子代理、提示、技能和记忆在设计时设定，并且在运行时永远不会根据代理的学习进行适应。 我们认为，工具应该基于当前模型能力推测到推理模式的下一个前沿。Prime Agent 以此原则为基础，通过两个主要抽象构建： 递归语言模型（RLM）将上下文视为一个变量，并且将子代理委托视为REPL（只读评估打印循环）中的函数调用。持久REPL为模型提供了对其历史、子代理和工具的编程访问，允许其将语言模型程序写作对自身上下文的操作。此设计允许代理在不丢失对存储在变量中的自身过去信息访问的情况下处理任意长的会话。 持续工具将工具自身的状态（抽象为其提示、技能、记忆和子代理）视为代理可以从其自身轨迹中创建、读取、更新和删除（CRUD）的内容。 当与代理间通信结合时，这一机制使跨子代理甚至跨 Prime Agent 会话的编排成为可能。例如，Prime Agent 可以产生持久的子代理，随后在轨迹中向其发送消息，并直接与不同的 Prime Agent 会话进行沟通。 这些抽象对于引导模型能力是强大的。Prime Agent 被设计成一个有效的通用编码助手，是一个长时间自主评估的默认运行时，以及研究和自我研究的协作者。Prime Agent 完全开源，并可以通过以下方式安装：curl -fsSL https://app.primeintellect.ai/prime-agent/install.sh | sh Prime Agent 代理工具的性能与工具的设计和围绕该工具训练的模型能力有关。我们设计 Prime Agent 以便立即使用现代开放和封闭的前沿模型，同时也提供一组功能集，我们预计它会随着更新一代模型的训练提供进一步的性能提升。 在其核心，Prime Agent 的设计基于编程工具和子代理的调用。Prime Agent 中的模型使用持久的 IPython 内核作为其唯一工具。其他标准工具特性作为内核中的函数调用，包括每个实现为另一个 prime-agent 实例的子代理。 Prime Agent 的架构 RLM 和持续工具是两个核心抽象；子代理 CRUD 加上代理间通信将它们组合成编排。 后台守护程序和代理视图。 默认视图是一个文本用户界面（TUI），类似于其他编码代理工具。默认情况下，代理在执行 IPython 操作时为简洁性进行了缩减，但可以展开以查看工具的操作。在 REPL 中启动的子代理也可在用户聊天框下方访问。 Prime Agent 运行一个后台守护程序，拥有所有通过本地套接字进行的活动代理会话。你可以在不影响底层代理循环的情况下附加和分离会话。每个根会话树都在可恢复的工作进程中运行；如果工作进程崩溃，守护程序会从会话 JSONL 和内核状态快照中恢复。代理视图允许你查看和选择守护程序中的其他活动会话。可以通过在空提示中按左箭头键（←）打开，并列出当前运行的会话、守护程序仍然活跃的空闲会话和当前未加载在内存中的非活动会话。 任何这些聊天可以立即进入并进行互动，按空格键允许用户与任何状态的会话聊天，包括引导和排队的提示与命令，例如 /compact。 代理视图被构建为代理和子代理之间的中央连接点，递归地。任何代理都可以在代理视图中被发现。用户从代理视图导航到代理的聊天，然后进入其子代理的代理视图，进入子代理聊天，依此类推。由于子代理共享与根代理相同的运行-空闲-非活动状态机，它们可以在 30 分钟不活动后从内存中移除，而一旦用户或代理提及其中任何一个，它们将从磁盘重新加载。在高度嵌套的聊天中，这可以节省大量内存。 会话和上下文管理。 代理的整个会话历史存储为仅追加的 JSONL 文件在磁盘上。每行是一个 JSON 条目，可以包括消息、模型切换、压缩摘要等。