Prime （做去中心化训练那家）开源了 Prime Agent：一个会自己改进自己的编程与研究 agent，把上下文当变量、把子 agent 当函数调用，全都跑在一个持久的 IPython 里，项目里的 "self-improving" 不动权重，动的是 harness。

它围绕两个核心：

① RLM（递归语言模型）：一切皆程序化

上下文是变量（prompt-as-a-variable），工具和递归子 agent 是函数调用——文件操作、shell 命令、工具使用、子 agent、上下文管理，全部走代码，跑在一个常驻的 IPython REPL 里。想开子 agent？直接 rlm(...)，它生出真的子 agent 去做并行或后台的活，结果程序化返回。

② Continual Harness：harness 自己会长进

它把补充提示、记忆、技能描述、可复用的子 agent 规格，都存成持久状态。跑完一段活，/refine 复盘轨迹，把经验写回补充 prompt、记忆、可复用 skill 和子 agent 规格（相反的是 base system prompt 一个字都不改，每次更新留快照可回滚）

这其实是把"模型能力"和"作业能力"拆开了：模型你改不动、也不该动，但 agent 干活的那套操作规范可以在会话里自己长出来，而且是可审计、可撤销的。

agent 卷到现在，差异化不在 UI 好不好看，在于谁能把"跑长任务"变成"越跑越会跑"，最近有很多项目都在解决这类问题：昨天发的acm-context-management是用后训练方式改进，改的是模型权重；Prime Agent 是在推理侧精炼 harness 状态——不碰模型权重。
github：t点cn/AXN7pf9m