适用对象：第一次接触 Prime Agent 的开发者、AI Agent 工程师、科研人员
学习目标：能够独立安装 Prime Agent、完成第一次 Agent 任务，并理解 RLM、Subagent、Skill、Continual Harness 和长任务机制。

1. Prime Agent 是什么？

Prime Agent 是 Prime Intellect 开源的一个面向编程和研究任务的 Agent 系统。

官方对它的定位是：

A self-improving RLM agent for coding workflows and long-running autonomous tasks.

简单理解：

Prime Agent ≠ 一个普通的聊天机器人。

它更接近：

                    Prime Agent
                         │
        ┌────────────────┼────────────────┐
        │                │                │
    LLM 推理         Python REPL       Harness
        │                │                │
        │          持久化运行环境        │
        │                                 │
        ├──────────────┬──────────────────┤
        │              │                  │
      Tools         Subagents          Skills
        │              │                  │
    文件/命令/工具    子 Agent           可复用能力
        │              │                  │
        └──────────────┴──────────────────┘
                         │
                    长期任务执行

Prime Agent 最重要的几个设计理念是：

RLM（Recursive Language Model）
持久 Python REPL
Subagent
Continual Harness
Skills
后台运行
Persistent Goal
Autonomous Mode

官方 README 明确指出，Prime Agent 将上下文视为变量，并通过程序化方式调用工具和递归子 Agent；同时使用 Continual Harness 持久化 prompt、memory、skill 和 subagent specification。

2. Prime Agent 适合做什么？

Prime Agent 特别适合下面几类任务。

2.1 软件开发

例如：

帮我分析这个 Python 项目的架构

然后进一步：

找到性能瓶颈

修改代码

运行测试

修复测试失败

重新运行测试

这种任务不是一次问答，而是：

理解项目
   ↓
分析问题
   ↓
修改代码
   ↓
执行命令
   ↓
读取结果
   ↓
发现问题
   ↓
再次修改
   ↓
测试
   ↓
最终交付

Prime Agent 就非常适合这种循环。

3. 为什么 Prime Agent 和普通 AI Agent 不一样？

普通 ChatGPT 式 Agent 通常是：

用户
 ↓
LLM
 ↓
Tool
 ↓
结果
 ↓
LLM
 ↓
回答

Prime Agent 更接近：

                 Agent
                   │
          Persistent REPL
                   │
        ┌──────────┼──────────┐
        ↓          ↓          ↓
      文件       Shell      Python
        │          │          │
        └──────────┼──────────┘
                   ↓
               Subagent
                   ↓
              结果返回
                   ↓
              Agent继续工作
                   │
              Harness记忆
                   │
                   ↓
             下一轮继续使用

官方 README 中特别强调：

Everything is programmatic.

也就是说，文件操作、Shell、工具调用、上下文管理以及 Subagent 都可以通过程序化方式完成。

4. 安装 Prime Agent

4.1 系统要求

官方当前安装方式主要面向：

macOS
Linux

README 的 Getting Started 部分直接给出了安装脚本。

Windows 用户建议：

Windows
   ↓
WSL2
   ↓
Ubuntu
   ↓
Prime Agent

如果你是 Windows 开发环境，推荐使用 WSL2，而不是直接把 Prime Agent 当作普通 Windows CLI 工具使用。

5. 安装方法

官方推荐直接执行：

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

安装程序会下载版本化 release，并验证 SHA-256 checksum，然后安装：

prime-agent

同时可以准备 Agent 使用的 IPython runtime。

安装完成后检查：

prime-agent --help

如果能够看到帮助信息，说明基本安装成功。

6. 第一次启动

进入一个项目：

cd /path/to/project

然后：

prime-agent

例如：

cd ~/workspace/my-project
prime-agent

Prime Agent 会把：

当前目录

作为主要工作环境。

这意味着 Agent 可以：

查看代码
修改文件
执行 Shell
运行 Python
执行测试
创建文件
分析项目

官方明确提醒：Prime Agent 可以使用当前用户权限执行模型生成的 Python 和项目命令，因此它不是安全沙箱。

7. 新手最重要的安全原则

第一次使用时，不建议：

cd /
prime-agent

也不建议直接在生产环境运行。

8. 登录

第一次进入 Prime Agent 后：

/login

根据官方说明，第一次启动后使用 /login，选择：

subscription
API-key provider

然后完成认证。

9. 第一个任务

不要一上来就给 Prime Agent 一个非常复杂的任务。

建议从：

分析当前项目结构，告诉我：
1. 使用了什么语言
2. 项目主要模块
3. 程序入口
4. 测试在哪里
5. 如何运行

开始。

然后再尝试：

检查这个项目有没有明显的代码质量问题。
先不要修改代码，只给我分析结果。

最后再：

找到最值得修复的一个问题，
修改代码并运行相关测试。

这样可以逐步理解 Agent 的工作方式。

10. Prime Agent 的核心概念

学习 Prime Agent 时，不建议把所有命令都背下来。

首先理解下面这张图：

                    Prime Agent
                         │
        ┌────────────────┼────────────────┐
        │                │                │
       RLM             REPL           Harness
        │                │                │
        │          持久 Python 状态       │
        │                                 │
        ├────────────┬───────────────┐    │
        ↓            ↓               ↓    ↓
    Subagent      Tools           Skills Memory
        │            │               │    │
        └────────────┴───────────────┴────┘
                         │
                         ↓
                  Long-running Agent

下面分别理解。

11. RLM 是什么？

RLM = Recursive Language Model。

这是 Prime Agent 非常核心的概念。

普通 LLM：

Prompt
  ↓
LLM
  ↓
Answer

RLM：

Prompt
  ↓
Agent
  ↓
程序化控制环境
  │
  ├── Python
  ├── Tools
  ├── Subagent
  ├── Context
  └── Memory
        │
        ↓
      Agent
        │
        └── 可以继续递归调用

官方 README 对 RLM 的描述是：

把 context 当作变量，把递归 Subagent 等工具调用当作持久 REPL 中的函数调用。

因此可以把 Prime Agent 理解为：

LLM + 编程环境 + Agent Runtime

而不是简单的：

LLM + Chat UI。

12. 为什么需要 Persistent REPL？

Prime Agent 内置 persistent IPython 环境。

普通聊天：

第1轮 → Python变量消失
第2轮 → 重新建立上下文

Prime Agent：

Session
  │
  ├── Python State
  ├── Variables
  ├── Files
  ├── Subagents
  └── Agent Context
        │
        ↓
     持续存在

因此它非常适合：

数据分析
代码调试
科研计算
模型实验
长期工程任务

13. Subagent 是什么？

Subagent 可以理解成：

Agent 创建出来的另一个 Agent。

例如主 Agent 接到任务：

分析这个大型 CFD 项目，
找出性能瓶颈并给出优化方案。

它可以拆成：

                     Main Agent
                         │
          ┌──────────────┼──────────────┐
          ↓              ↓              ↓
      Subagent A     Subagent B     Subagent C
       代码分析        性能分析        测试分析
          │              │              │
          └──────────────┼──────────────┘
                         ↓
                    Main Agent
                         ↓
                      总结

官方提供：

rlm(...)

来创建真正的 child agents，并以程序化方式获得结果。

14. 为什么 Subagent 很重要？

假设任务是：

研究一个新算法，
阅读 30 个论文，
分析 10 个 GitHub 项目，
最后写技术报告。

如果全部交给一个 Agent：

Main Agent
   │
   ├── 论文1
   ├── 论文2
   ├── ...
   ├── GitHub
   ├── 实验
   └── 报告

上下文会越来越复杂。

Subagent 可以：

Main Agent
   │
   ├── Research Agent
   │      └── 文献研究
   │
   ├── Code Agent
   │      └── GitHub分析
   │
   ├── Experiment Agent
   │      └── 实验
   │
   └── Review Agent
          └── 技术审查

最后：

Main Agent
    ↓
汇总
    ↓
最终结果

这就是 Prime Agent 很值得学习的地方。

15. Skills 是什么？

Skill 可以理解为：

可以重复使用的 Agent 能力。

例如你经常让 Agent：

检查 Python 项目

每次都告诉它：

先运行 ruff
然后运行 pytest
然后检查类型
然后分析复杂度
最后输出报告

非常麻烦。

可以把这个流程变成 Skill：

Python Code Review Skill

以后：

执行 Python Code Review

Agent 就能够按照固定工作流执行。

官方将 Skills 定义为可执行能力，并且 Skill 可以作为可导入的 Python package；Prime Agent 还提供 Skill creator，把重复工作流转换为 project 或 personal skill。

16. Skill 和 Prompt 有什么区别？

这是新手非常容易混淆的地方。

Prompt：

告诉 Agent：
请按照以下步骤检查代码……

Skill：

把这套能力正式封装起来。

因此：

Prompt
  ↓
一次性指令

Skill
  ↓
可复用能力

可以把 Skill 理解成：

Agent 的插件式能力模块

17. Continual Harness 是什么？

这是 Prime Agent 的另一个核心概念。

可以简单理解为：

让 Agent 能够持续改进自己的工作方式。

它可以保存：

Supplemental Prompts
Memory
Skill Descriptions
Subagent Specifications

例如 Agent 第一次执行：

代码审查

发现：

pytest 必须在安装依赖后运行

经过 /refine 后，可以把这个经验沉淀下来。

下一次：

代码审查

Agent 就可以利用之前积累的经验。

18. `/refine` 是干什么的？

官方提供：

/refine

用于回顾当前 trajectory，并把一些有证据支持的经验更新到 supplemental harness state 中。

注意：

它不是：

重新训练模型

而更像：

任务执行
   ↓
总结经验
   ↓
提炼规则
   ↓
保存到 Harness
   ↓
以后继续使用

官方特别说明，/refine 不会修改 immutable base system prompt，并且 refinement 有记录的 snapshot，可以支持回滚。

19. Long-running Agent

Prime Agent 与普通 Agent 的一个重要区别：

它可以持续运行。

普通 Agent：

用户打开网页
    ↓
执行任务
    ↓
关闭网页
    ↓
结束

Prime Agent：

Agent
 │
 ├── Daemon
 │
 ├── Worker
 │
 ├── Kernel
 │
 ├── Session
 │
 └── Subagent
       │
       ↓
   后台继续运行

官方支持：

daemon-backed sessions
detach / reattach
heartbeat
schedules
persistent goals
autonomous mode

20. 查看 Agent

终端：

prime-agent agents

可以查看运行中、空闲和保存的 Agent session。

21. 重新连接 Agent

如果 Agent 已经在后台运行：

prime-agent attach <agent>

重新连接。

例如：

prime-agent agents

找到：

agent-abc123

然后：

prime-agent attach agent-abc123

22. Resume

也可以：

prime-agent --resume

或者：

prime-agent --resume <path|id>

用于恢复已有 session。官方 README 将它作为主要 session 管理命令之一。

23. Status

查看后台服务：

prime-agent status

如果你发现：

Agent 启动不了
Agent attach 失败
后台任务异常

首先可以：

prime-agent status

24. Doctor

检查或者修复后台服务：

prime-agent doctor

如果需要自动修复：

prime-agent doctor --fix

25. Update

更新 Prime Agent：

prime-agent update

如果需要强制更新：

prime-agent update --force

26. Shutdown

如果需要关闭所有 Agent、worker 和后台服务：

prime-agent shutdown

强制关闭：

prime-agent shutdown --force

官方 README 给出了这些 CLI 命令作为基础的 session/service 管理接口。

27. Persistent Goal

普通任务：

帮我分析这个项目。

任务结束：

结束

Persistent Goal：

/goal

可以把目标保持为一个持续存在的 Agent Objective。

例如：

目标：

将当前 CFD 项目的计算性能提升 30%。

然后 Agent 可以持续：

分析
 ↓
修改
 ↓
Benchmark
 ↓
分析结果
 ↓
再次修改
 ↓
Benchmark
 ↓
...

直到：

完成

或者：

暂停

官方将 /goal 描述为可以让 objective 及其进度持续存在，直到完成、暂停或清除。

28. Autonomous Mode

Prime Agent 还提供：

/autonomous

进入受约束的自主运行模式。

它可以根据配置：

Turn Budget
Token Budget
Time Budget
Quality Gates

持续执行。

例如：

目标
 ↓
Agent
 ↓
执行
 ↓
检查
 ↓
修复
 ↓
继续
 ↓
Quality Gate
 ↓
结束

需要特别注意：

Quality Gate 通过，并不代表整个任务一定成功。

官方明确提醒：Quality Gate 只能说明它验证的条件通过；达到 turn/token/time limit 也不等于任务成功。

29. Heartbeat

长期任务还可以使用：

/heartbeat

以及：

rlm_heartbeat

让 Agent 周期性重新进入 session。

还可以使用：

prime-agent schedule

实现定时任务。

例如可以设计：

每天 02:00
    ↓
启动 Agent
    ↓
检查实验结果
    ↓
更新分析
    ↓
生成报告

30. 一个完整的 Agent 工作流

建议新手按照下面方式理解：

用户
 │
 │ 任务
 ↓
Prime Agent
 │
 ├── 理解任务
 │
 ├── 查看项目
 │
 ├── 制定计划
 │
 ├── Python / Shell / Tools
 │
 ├── Subagent
 │
 ├── 执行
 │
 ├── 测试
 │
 ├── 分析结果
 │
 ├── 修改
 │
 ├── 再测试
 │
 └── 输出结果
        │
        ↓
      /refine
        │
        ↓
   Harness积累经验

这就是 Prime Agent 的核心工作方式。

31. 新手第一个实战：代码分析

创建一个测试项目：

mkdir prime-agent-demo
cd prime-agent-demo

初始化 Git：

git init

启动：

prime-agent

然后告诉 Agent：

请分析当前项目。

要求：
1. 扫描项目结构
2. 找到程序入口
3. 分析主要模块
4. 找到测试代码
5. 告诉我如何运行
6. 暂时不要修改任何文件

观察 Agent 的行为。

重点不是最终答案，而是观察：

Agent
 ↓
读取文件
 ↓
执行命令
 ↓
分析
 ↓
继续读取
 ↓
输出结果

32. 第二个实战：让 Agent 修改代码

然后尝试：

找到当前项目中最明显的一个问题。

要求：
1. 先解释问题
2. 修改代码
3. 运行测试
4. 如果测试失败，继续修复
5. 最后告诉我修改了哪些文件

然后执行：

git diff

查看 Agent 到底修改了什么。

33. 第三个实战：让 Agent 自己完成完整任务

例如：

请把当前 Python 项目中的 TODO 项全部找出来。

要求：
1. 分析所有 TODO
2. 判断哪些可以自动实现
3. 选择风险最低的几个
4. 实现它们
5. 运行测试
6. 修复失败
7. 最后生成修改总结

这时候就开始进入真正的 Agentic Workflow。

34. 第四个实战：Subagent

进一步可以让 Agent：

把这个任务拆成多个独立的研究任务，
分别使用 Subagent 完成：

1. 项目架构分析
2. 性能分析
3. 测试分析

最后由主 Agent 汇总。

你需要观察：

Main Agent
    │
    ├── Subagent 1
    ├── Subagent 2
    └── Subagent 3
           │
           ↓
      Main Agent
           │
           ↓
        Report

这是理解 Prime Agent 架构非常重要的一步。

35. 第五个实战：建立 Skill

假设你经常进行：

Python项目代码审查

工作流固定：

ruff
 ↓
pytest
 ↓
mypy
 ↓
代码复杂度
 ↓
安全检查
 ↓
报告

那么就可以考虑把它变成 Skill。

最终形成：

Python Review Skill

以后：

请执行 Python Review Skill。

Agent 就可以重复执行这套流程。

36. 第六个实战：/refine

完成几次任务之后：

/refine

让 Prime Agent 回顾当前工作过程。

目标是：

发现问题
 ↓
总结经验
 ↓
沉淀 Harness
 ↓
下一次任务继续利用

这也是 Prime Agent “self-improving” 特性的核心体现。

37. Prime Agent 的学习路线

不建议第一天就研究所有功能。

Level 1：会用

掌握：

prime-agent
/login

能够：

启动
登录
分析项目
修改代码
运行测试

Level 2：会管理

掌握：

prime-agent agents
prime-agent attach
prime-agent --resume
prime-agent status
prime-agent doctor

理解：

Session
Daemon
Worker
Kernel

Level 3：理解 Agent

学习：

RLM
Persistent REPL
Subagent

重点理解：

为什么 Agent 可以自己写代码调用工具？
为什么 Agent 可以调用 Agent？
为什么上下文可以持续？

Level 4：建立能力

学习：

Skills
Continual Harness
/refine

开始把：

重复工作

变成：

可复用 Agent 能力

Level 5：长期自主任务

学习：

/goal
/autonomous
/heartbeat
schedule

实现：

Agent
 ↓
持续执行
 ↓
定期检查
 ↓
自动修复
 ↓
自动汇报

38. Prime Agent 与普通 Agent 的区别

能力	普通 Chat Agent	Prime Agent
对话	✓	✓
文件操作	✓	✓
Shell	✓	✓
Python	部分支持	核心能力
Persistent REPL	通常没有	✓
Subagent	部分支持	✓
Skill	部分支持	✓
长期 Session	有限	✓
Background Agent	有限	✓
Persistent Goal	少见	✓
Heartbeat	少见	✓
Schedule	部分支持	✓
Continual Harness	通常没有	✓
Self-improving	有限	核心设计

因此，Prime Agent 更适合：

长期工程任务
+
研究任务
+
代码任务
+
Agent 自动化

39. Prime Agent 的架构理解

从工程角度，可以先把它抽象成：

┌─────────────────────────────────────────────┐
│                 Prime Agent                 │
│                                             │
│   ┌──────────────┐      ┌──────────────┐   │
│   │     LLM      │      │    Harness   │   │
│   │   Reasoning  │◄────►│ Memory/Skill │   │
│   └──────┬───────┘      └──────────────┘   │
│          │                                  │
│          ↓                                  │
│   ┌──────────────────────┐                  │
│   │ Persistent IPython   │                  │
│   │       REPL           │                  │
│   └──────────┬───────────┘                  │
│              │                              │
│       ┌──────┼────────┐                     │
│       ↓      ↓        ↓                     │
│     Files   Shell   Tools                   │
│                       │                     │
│                       ↓                     │
│                  ┌─────────┐                │
│                  │Subagents│                │
│                  └─────────┘                │
│                                             │
└─────────────────────────────────────────────┘

如果你从 AI Agent 架构设计角度学习 Prime Agent，这张图比记命令更重要。

40. Prime Agent 最值得学习的三个思想

如果你的目标不仅是“会使用 Prime Agent”，而是希望把它用于自己的工业 AI / Agent 平台，我建议重点研究三个部分。

第一：RLM

理解：

LLM
 +
Programmatic Context
 +
Recursive Agent

这是 Prime Agent 与普通 ReAct Agent 很大的区别。

第二：Continual Harness

理解：

一次任务经验
       ↓
结构化沉淀
       ↓
Memory / Skill / Prompt
       ↓
下一次任务
       ↓
继续改进

这实际上已经非常接近：

Agent 长期记忆 + 能力进化系统。

第三：Long-running Agent

理解：

Session
   +
Daemon
   +
Persistent Goal
   +
Heartbeat
   +
Schedule
   +
Autonomous Mode

这套设计非常适合企业级 Agent。

41. 如果用于工业 AI，可以怎么应用？

结合工业 AI / CAE / 智能运维场景，Prime Agent 的思想非常值得借鉴。

例如：

                Industrial AI Agent
                       │
        ┌──────────────┼──────────────┐
        ↓              ↓              ↓
     CFD Agent      CAE Agent      Data Agent
        │              │              │
        ↓              ↓              ↓
     网格分析        仿真分析        数据分析
        │              │              │
        └──────────────┼──────────────┘
                       ↓
                  Main Agent
                       │
                       ↓
                  Engineering
                    Report

进一步：

                 工业AI Agent
                      │
        ┌─────────────┼─────────────┐
        ↓             ↓             ↓
    Mesh Skill     CAE Skill     MLOps Skill
        │             │             │
        ↓             ↓             ↓
    网格剖分       神经算子        模型部署

再结合长期任务：

Agent
 │
 ├── 自动运行仿真
 ├── 分析结果
 ├── 修改参数
 ├── 再次仿真
 ├── 比较结果
 └── 输出最佳方案

这实际上就是：

AI Agent + Scientific Computing + Engineering Workflow

也是 Prime Agent 架构非常值得借鉴的方向。

42. 新手常用命令速查

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

# 启动
prime-agent

# 查看 Agent
prime-agent agents

# 重新连接
prime-agent attach <agent>

# 恢复 Session
prime-agent --resume

# 查看服务状态
prime-agent status

# 检查服务
prime-agent doctor

# 自动修复
prime-agent doctor --fix

# 更新
prime-agent update

# 强制更新
prime-agent update --force

# 关闭所有 Agent
prime-agent shutdown

# 强制关闭
prime-agent shutdown --force

这些命令来自 Prime Agent 当前官方 README 的 Getting Started 和 CLI 部分。

43. 新手建议掌握的斜杠命令

优先学习：

/login

/refine

让 Agent 从当前任务中提炼经验。

/goal

设置持久目标。

/autonomous

进入受约束的自主执行模式。

/heartbeat

配置持续唤醒机制。

44. 推荐的第一周学习计划

Day 1：安装

目标：

安装 Prime Agent
 ↓
启动
 ↓
登录
 ↓
完成第一个任务

Day 2：代码 Agent

练习：

分析项目
 ↓
修改代码
 ↓
运行测试
 ↓
修复 Bug

Day 3：RLM