Prime Agent 快速入门： 给模型一个 REPL，不是一堆按钮

Prime Agent 快速入门：给模型一个 REPL，不是一堆按钮

QUICKSTART · PRIMEINTELLECT-AI / PRIME-AGENT

Prime Agent 快速入门：
给模型一个 REPL，不是一堆按钮

一个开源编码与研究代理的上手指南——上下文可以当变量摆弄，子代理可以像函数一样调用，经验可以存在对话外面。装好大概五分钟；跑通第一晚，大概一个晚上。

MIT 开源
20k+ GitHub stars
arXiv:2608.23552
macOS · Linux · Windows(Git Bash)
2026-09-07 编写

目录

一个你见过的场面
它赌了什么
RLM：两个核心句
会写批注的助手
五分钟上手
第一晚怎么玩
让它活过一晚
教它记住
速查表
容易懵的三个点

01一个你见过的场面¶

你让 AI 修一个 bug。前十轮很顺。第三十轮，它开始重复问你早就回答过的问题。第四十轮，它把刚修好的代码改了回去，还理直气壮。

模型没有变笨。是工作台满了。

上下文窗口就是模型的工作台。对话越长，台面上堆的东西越多；放不下的就被收走——压缩成摘要，或者干脆截断。收走的那些，模型就真的不知道了。这不算事故，这是设计：注意力有限，人也是。

2026 年，几乎每个团队都在做自己的 agent。Prime Intellect——做去中心化训练、INTELLECT 系列模型、Verifiers 的那家——把他们的答案开源了，叫 Prime Agent。MIT 协议，GitHub 上两万颗星，还配了篇论文（arXiv:2608.23552）。它同时是两样东西：一个今天就能干活的编码 agent，和一次关于「agent 该怎么搭」的公开下注。

这篇教程带你把它跑起来，搞清楚它赌的是什么，然后扔给它一个真实的活儿。

02它赌了什么¶

先去掉名字看本质。Prime Agent 的全部新意压在两个想法上。

想法一：别给模型一排按钮，给它一门语言

大多数 agent 给模型一排工具按钮：读文件按一个，跑命令按一个，搜索再按一个，模型在面板前按来按去。Prime Agent 只给一个内置工具——一个持久活着的 Python 会话（ipython 内核）。读文件、跑测试、搜代码、调技能、派助手，全部写成 Python 代码。按钮面板换成了一门语言。

想法二：把经验存在对话外面

第二个抽象叫 Continual Harness（持续挽具）。补充提示、记忆、技能描述、子代理规格，都作为可持久化的状态存在；agent 干完活可以复盘，对它们做小的、有证据的修改。底座系统提示永远不可改，每笔修改带快照，随时回滚。

一个管「怎么干活」，一个管「怎么越干越好」。剩下的都是细节，我们一个个来。

03RLM：上下文是变量，子代理是函数¶

RLM，Recursive Language Model，递归语言模型。名字挺唬人，拆开就两句话。

第一句：上下文即变量（prompt-as-a-variable）。平常，上下文是一坨必须整个塞进模型注意力的文本。Prime Agent 里，上下文是内核里的一个变量——模型可以 print() 它、切片它、搜索它，把没用的部分扔掉，只把要紧的几行送进注意力。

类比

你不需要背下整本书才叫读过它。你需要的是一副能翻页的手。

第二句：子代理即函数调用。在内核里：

PYTHON内核里预装了 rlm，直接调用复制

review = await rlm("审查认证流程的安全问题", name="auth-reviewer")

这一行派出去的是一个完整的 agent——有自己独立的上下文和会话目录，继承父代理的模型、工具、技能。三个细节，都是新手容易懵的地方：

它返回的不是答案，是受理回执。回执（handle）里有孩子的 id、名字、会话目录。答案要等孩子干完活，用消息寄回来，或者写进文件。

并行是白送的。连发三个 rlm()，结束本轮，三个孩子同时开跑。

默认递归深度是一层。根代理能生孩子，孙子默认不行——要更深的递归得改配置。

RLM 循环：模型用 Python 调用一切，子代理用消息回信（示意）

类比在哪里失效

RLM 不改变模型本身——模型还是那个模型，智商没涨。它改的是模型周围的执行环境。区别不在「换了颗更聪明的大脑」，而在「一个只有好记性的人」与「一个带着笔记本、电话和三个助手的人」之间。

04会写批注的助手¶

Continual Harness 解决另一个问题：agent 每次上班都像新人。

/refine 命令让 agent 回顾刚才的轨迹，把学到的教训写成小的、可审查的更新——一条补充提示、一条记忆、一个技能描述、一份子代理规格——存进会话状态。下次遇到类似的活儿，带着经验直接上。

规矩很严：底座系统提示是宪法，永远不改；所有修改写进笔记本，每一笔有记录、有快照，随时撕掉重来。

边界

它不会因此变成天才。它只是不再重复交同一笔学费。

05五分钟上手¶

macOS 或 Linux，一行装好：

BASH官方安装脚本复制

curl -fsSL https://app.primeintellect.ai/prime-agent/install.sh | sh

想尝鲜 main 分支的 beta 版，把结尾改成 | sh -s -- beta。安装器会下载版本化发布包、校验 SHA-256、装好 prime-agent 命令，并准备 agent 要用的 Python 运行时。Windows 也能跑：它需要一个 bash，装个 Git for Windows 就够。

动手

cd 到你的项目目录，启动，第一次运行 /login 选提供商：

BASH启动复制

cd /path/to/project
prime-agent

订阅直接用：Claude Pro/Max、ChatGPT Plus/Pro（Codex）、GitHub Copilot 都在内置列表里。不想用订阅，也可以先 export ANTHROPIC_API_KEY=sk-ant-... 再启动，或在 /login 里选 API-key 提供商——钥匙存进 ~/.prime/agent/auth.json。

源码党：Node.js ≥ 22.8.0，git clone → npm ci → ./prime-agent.sh。

丑话说在前面

Prime Agent 以你的用户权限执行模型生成的 Python 和项目命令。它的 worker / kernel 进程做的是进程隔离——为了崩溃恢复，不是为了安全。它不是沙箱。

对策也便宜：用一次性 clone 或干净的 git worktree；别在堆满密钥的目录里放它出来；跑不受信代码，扔到外部沙箱里去。

06第一晚怎么玩¶

进去之后长这样（示意图，细节随版本变）：

prime-agent · ~/my-project

› /login
选择提供商：Claude Pro/Max · ChatGPT (Codex) · GitHub Copilot · API Key…
✓ 已登录
› Summarize this repository and tell me how to run its checks.
✓ 内核已启动 · 扫描仓库 · bash("npm run check")
这是一个 … 的仓库。检查用 npm run check 跑，当前 … 项通过。

然后按顺序玩这五样，一个晚上足够建立手感：

甩文件给它。输入框里打 @ 模糊搜索项目文件；或者命令行直接 prime-agent @src/app.ts "Review this"。截图 Ctrl+V 直接贴进去。

替它跑命令。!npm run lint ——输出送给模型看；!!command ——只给你自己看，不进模型上下文。

派一次子代理。直接说人话：「把认证审查和测试覆盖当成两个独立子任务，并行跑，最后汇总。」然后看它在内核里连发两个 rlm()。

给它立规矩。项目根目录放一个 AGENTS.md（见下），改完 /reload 生效。全局规矩放 ~/.prime/agent/AGENTS.md。

问完就走。prime-agent -p "Summarize this codebase" ——一次性模式，答完退出，适合嵌进脚本。

AGENTS.MD项目守则示例复制

# 项目守则

- 改完代码必须跑 `npm run check`。
- 别在本地跑生产库迁移。
- 回答保持简短，先给结论。

顺手的旋钮：换模型 /model 或 Ctrl+L；思考深度 /effort；会话自动存在 ~/.prime/agent/sessions/，prime-agent -c 接着上次聊。

07让它活过一晚¶

这是 Prime Agent 跟「终端里的小玩具」拉开差距的地方：关掉终端，它不下班。

普通会话跑在常驻 worker 进程里。关窗口只是离开工位，工人还在工地：

BASH后台会话三件套复制

prime-agent agents # 看谁还在干活
prime-agent attach <agent> # 重新接上去
prime-agent shutdown # 全部收工（真下班时用）

再往上，是几个长寿开关：

/goal：立一个持续目标，跨轮次有效，直到完成、暂停或你手动清除。/goal status 看进度。

/heartbeat：定时回到当前会话干活。/heartbeat every 10m 检查部署状态，有变化就报告。

prime-agent schedule：一次性或 cron 周期任务，UI 关着照样触发。

/autonomous：有边界的自动驾驶。配「质量门」（gate）——门不过就继续修，门过了才准收工；轮数、token、时长都有上限。

BASH带质量门的自动驾驶复制

prime-agent --autonomous \
--autonomous-gate "npm run check" \
--autonomous-max-turns 20 \
"实现这个改动，并验证检查通过"

上下文太长怎么办？自动压缩（compaction）：旧对话被摘要，Python 内核原样活着——变量、导入、解析到一半的数据都在。真正重要的东西，请落在文件里、变量里，或者用 /refine 写进记忆。「对话」是这个地方最不适合存东西的地方。

08教它记住¶

三层记忆，从硬到软：

AGENTS.md：项目规矩。你写，它读，每次启动加载。跟 CLAUDE.md 通用。

Skills（技能包）：普通技能是一份 SKILL.md，说明书写给模型看；Python 技能更进一步——一个真正 import 进内核的包，模型直接 await release_audit(repository=".", target_version="0.4.0")。内置的 skill-creator 能把你们重复干过的流程变成技能。

/refine：agent 自己写的笔记本。小的、有证据的、可回滚的。

用法忠告

先让 AGENTS.md 承担规矩，让技能承担流程，最后才轮到 /refine 承担零碎教训。顺序反过来，你会得到一本没人审的流水账。

09速查表¶

终端命令干什么

prime-agent在项目目录里启动交互会话

prime-agent -c接着最近一次会话聊

prime-agent -p "…"一次性提问，答完退出（可接管道输入）

prime-agent agents / attach看还在跑的会话 / 重新接上

prime-agent schedule add …定时或 cron 周期任务

prime-agent doctor --fix后台服务出毛病时，体检加修理

prime-agent shutdown停掉所有 agent、worker 与后台服务

会话内命令干什么

/login · /model · /effort登录 · 换模型 · 调思考深度

/goal · /heartbeat · /autonomous立目标 · 定时回访 · 有边界自动驾驶

/refine · /compact复盘攒经验 · 手动压缩上下文

/resume · /new · /fork · /tree会话管理：回到任意历史点继续

/export · /share导出 HTML / 私有 gist 分享

@file · !cmd · !!cmd引用文件 · 跑命令给模型看 · 只给自己看

10容易懵的三个点¶

rlm() 的返回值不是答案。返回值是受理回执。答案走 agent_message 或文件。第一次用，以为返回值就是结果，会等出一个寂寞。

质量门通过 ≠ 任务成功。官方自己的措辞很诚实：一个通过的门只验证它检查的东西；限额到顶停下，也不代表干完了。gate 写得越接近「你真实的验收标准」，自动驾驶才越可信。

摘要会吃掉对话细节。压缩保内核，不保聊天记录。重要的结论让它写文件、写记忆，别让它在对话里「记一下」。

还有个态度问题：「self-improving」到底能攒出多少真本事，论文和数据都是它自己给的。最好的办法跟验证任何实验一样——拿你自己的仓库，跑一个晚上，看数据。

Prime Agent 下注的方向是：agent 的下一步不在「更大的窗口」，而在「更好的工作台」——上下文可以被程序摆弄，助手可以像函数一样被调用，经验可以存在对话外面。

这个赌注对不对，吵不出结果。装一个，扔个真实任务给它过夜，第二天早上看台面上留下了什么。

就这么回事。

参考与延伸（撰写于 2026-09-07，命令以官方文档为准）：

GitHub · PrimeIntellect-ai/prime-agent ·
Quickstart 文档 ·
RLM 编程模型 ·
RLM 博客 ·
论文 arXiv:2608.23552 ·
Continual Harness arXiv:2605.09998

Prime Agent 基于开源项目 pi 构建，MIT 许可发行。本文为独立教程，与 Prime Intellect 无关；示意图为简化示意，以官方文档为准。