Prime Agent：当 LLM 学会把自己的上下文当变量管
一个反直觉的事实
你以为 Claude Code、Codex 这类 coding agent 的瓶颈是模型能力？不是。是上下文窗口在烧钱。
当 agent 在大型代码库里自主工作——读几十个文件、搜索、编辑、再搜索——它的 context 逐轮膨胀。每多一个 token，推理成本线性上升，而模型性能反而在下降。这个现象有个名字：context rot（上下文腐烂）。
Prime Intellect 团队在 2026 年 1 月的研究博客里写得很直白：per-token 成本随 context 长度线性增长，而模型能力随 context 长度下降。两条曲线一升一降，交叉点就是 agent 经济性的死亡线。
Prime Agent 就是他们给出的答案——一个开源 coding agent，单日 GitHub 涨 2271 stars，核心抽象叫 Recursive Language Model (RLM)。
RLM：把上下文当变量，把子 agent 当函数
RLM 的核心思想可以用一句话讲完：
> 不要让一个 LLM 吃下所有上下文，让它用 Python REPL 把上下文当变量管理，把子 LLM 当函数调用。
传统 agent 的工作方式：所有信息塞进 prompt → LLM 推理 → 输出。context 单调增长，不可缩减。
RLM 的工作方式：LLM 拥有一个持久 IPython 环境，可以：
- 把大 PDF、数据集、视频不加载到 context，而是存到 Python 变量里，需要时用代码检索
- 调用
rlm(...)生成子 agent，把任务委托出去，子 agent 的结果以程序化方式返回（不是自然语言摘要） - 子 agent 还可以再调子 agent，形成递归调用栈
为什么这不只是工程优化
Prime Intellect 的研究博客里有一个关键判断：
> "teaching models to manage their own context end-to-end through reinforcement learning will be the next major breakthrough, enabling agents to solve long-horizon tasks spanning weeks to months."
这句话的分量在于——他们不是在做更好的 scaffolding，他们是在训练模型学会 scaffolding 本身。
RLM 论文（arXiv:2512.24601，Alex Zhang 2025 年 10 月）的核心洞察：与其在模型外部写越来越复杂的 context 管理逻辑（summarization、compression、retrieval），不如让模型通过 RL 自己学会什么时候 delegate、什么时候 fold context、什么时候调子 agent。
这和 Sutton 的 "Bitter Lesson" 一脉相承：手工 scaffolding 是短期方案，学会自己 scaffold 才是长期方案。
Continual Harness：让 agent 能"积累经验"
Prime Agent 的第二个核心抽象叫 Continual Harness（持续挽具）。它解决的问题是：
> agent 每次开新 session 都从零开始，不会积累。
Continual Harness 把 supplemental prompts、memories、skill descriptions、subagent specifications 存为durable state。agent 可以通过 /refine 命令对自己的 trajectory 做小步改进——有证据支撑的更新，不是随意重写。
关键设计约束：
- base system prompt 不可变——
/refine永远不重写基础 prompt - 每次更新都有 snapshot，支持 rollback
- 更新必须 evidence-backed，不能凭空改
为什么 Prime Agent 单日涨 2271 stars
三个原因叠加：
1. RLM 范式的新颖性：不是更好的 scaffolding，是训练模型学会自己 scaffold。这是范式级判断。 2. 工程完整度：daemon-backed sessions（断线不丢）、agent-to-agent 通信（不绕用户）、heartbeat/schedule（定时唤醒）、autonomous mode（无人值守）。不是 demo，是能跑长任务的生产工具。 3. 时机：2026 年 8 月，coding agent 市场正处于"context rot 是第一瓶颈"的共识期。Prime Agent 直接回应这个共识。
一个值得深想的问题
RLM 的递归调用栈意味着：一个 agent 可以 spawn 子 agent，子 agent 再 spawn 孙 agent。每个层级有自己的 context window。这和操作系统的进程树结构同构——init 进程 spawn 服务，服务 spawn 工作进程，工作进程 spawn 临时任务。
但操作系统有调度器、资源限制、权限隔离。RLM agent 树目前没有这些。
当 agent 能无限递归 spawn 子 agent，谁来管：
- 总 token 预算？
- 子 agent 之间的依赖关系？
- 一个子 agent hang 住整个树的超时？
/refine 机制——让 agent 自己学会管理。但这个"学会"需要大量 RL 训练，而训练数据从哪来？这是 RLM 范式的开放问题，也是 Prime Intellect 下一步研究的焦点。
链接
- GitHub: https://github.com/PrimeIntellect-ai/prime-agent
- RLM 博客: https://www.primeintellect.ai/blog/rlm
- RLM 论文: https://arxiv.org/abs/2512.24601
- Continual Harness 论文: https://arxiv.org/abs/2605.09998
一句话总结：Prime Agent 不是更好的 coding agent，是一个赌注——赌 LLM 的下一个突破是"学会管理自己的上下文"，而不是"更大的 context window"。