Prime Agent：自我改进的 RLM 代理

Prime Agent：自我改进的 RLM 代理 今天，我们推出 Prime Agent，这是我们的自我改进编码工具，围绕两个抽象概念设计，即递归语言模型 (RLM) [ 引文 ] 和持续工具 [ 引文 ]。现代线束设计是围绕前几代模型的功能构建的，它们并不反映前沿模型今天可以做什么：固定的工具调用模式和上下文压缩迫使模型围绕自己的脚手架工作，而不是利用它。静态的、手工设计的子代理、提示、技能和内存在设计时设置一次，并且永远不会适应代理在运行时学到的内容。我们认为，工具应该根据当前模型的能力推断推理模式的下一个前沿领域。 Prime Agent 是通过两个主要抽象围绕这一原则构建的：递归语言模型 (RLM) 将上下文视为变量，将子代理委托视为 REPL 内的函数调用。持久性 REPL 使模型能够以编程方式访问其历史记录、子代理和工具，从而允许其将语言模型程序编写为针对其自身上下文的操作。这种设计允许代理处理任意长的会话，而不会失去对存储在变量中的自己过去信息的访问。持续线束将线束自身的状态（抽象为提示、技能、内存和子代理）视为代理可以从其自己的轨迹创建、读取、更新和删除 (CRUD) 的内容。当与代理到代理通信相结合时，此机制可以实现跨子代理甚至跨 Prime Agent 会话的编排。例如，Prime Agent 可以生成持久子代理，稍后在轨迹中向它们发送消息，并直接与不同的 Prime Agent 会话进行通信。这些抽象对于引导模型功能非常强大。 Prime Agent 旨在作为通用编码助手、长期自主评估的默认运行时以及研究和自动研究的协作者。 Prime Agent 是完全开源的，可以通过以下方式安装：curl -fsSL https://app.primeintellect.ai/prime-agent/install.sh | sh Prime Agent 代理线束的性能与线束的设计和围绕线束训练的模型的能力有关。我们设计的 Prime Agent 可以立即与现代开放和封闭边界模型一起使用，同时还提供了一个功能集，我们希望随着新一代模型的训练，该功能集能够提供进一步的性能提升。 Prime Agent 的核心是围绕编程工具和子代理调用而设计的。 Prime Agent 中的模型使用持久的 IPython 内核作为唯一工具。其他标准线束功能在内核中被称为函数，包括子代理，每个子代理都作为另一个主要代理实例实现。 Prime Agent的架构RLM和Continual Harness是两个核心抽象；子代理 CRUD 加上 Agent2Agent 消息传递将它们组合成编排。后台守护进程和代理视图。默认视图是类似于其他编码代理工具的文本用户界面 (TUI)。默认情况下，为了简洁起见，代理执行的 IPython 操作会进行压缩，但可以展开以查看线束执行的操作。在 REPL 中启动的子代理也可以在用户聊天框下方访问。 Prime Agent 运行一个后台守护进程，该守护进程通过本地套接字拥有所有实时代理会话。您可以在会话中附加和分离，而不会影响底层代理循环。每个根会话树都运行在一个可恢复的工作进程中；如果工作线程崩溃，守护进程会从会话 JSONL 和内核状态快照中恢复它。代理视图允许您查看并选择守护程序中的其他实时会话。可以通过在空提示符下按向左箭头键 (←) 打开它，并列出当前正在运行的会话、守护程序仍处于活动状态的空闲会话以及当前未加载到内存中的非活动会话。任何这些聊天都可以立即输入并进行交互，并且按空格键允许用户在任何状态下与会话聊天，包括引导和排队提示和命令，例如 /compact 。代理视图被递归地构造为代理和子代理之间的中心连接点。任何代理都可以在代理视图中发现。用户从座席视图导航到座席的聊天，然后进入其子座席的座席视图，进入子座席聊天，等等。由于子代理与根代理共享相同的“运行-空闲-非活动”状态机，因此它们可以在 30 分钟不活动后从内存中删除，并且当用户或代理处理其中任何一个时，它们就会从磁盘重新加载。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记录作为仅附加 JSONL 文件存储在磁盘上。每一行都是一个 JSON 条目，其中可以包含消息、模型开关、压缩摘要