Prime Agent：自我改進的 Recursive Language Model (RLM) Agent
為何重要
這類框架的興起正在改變 LLM 落地的法則：未來的 Agent 不再是依賴人工精雕細琢的 Prompt，而是透過程式化工具與自我編排來應對複雜任務。對後端開發者與技術研判者而言，這代表著必須將視線從單模組效能轉向「多 Agent 協作與自主學習系統」的建置能力。
Prime Agent 是一款開源的自主代理框架，核心在於利用 Recursive Language Model (RLM) 和 Continual Harness 兩大抽象概念，讓 Agent 能動態調整自身指令與記憶，取代傳統靜態的手工設計綁架。
- 它將上下文視為變數，把子 Agent 的委派視為 REPL 中的函式呼叫（例如
await rlm(...)），並透過持續運作的 IPython Kernel 獲得自身對話歷史與工具的程式化存取。 - Continual Harness 允許 Agent 在執行軌跡中對 Harness 自身的狀態（提示詞、技能、記憶）進行 CRUD 操作，實現真正的自我改良。
- 子 Agent 根據 Running-Idle-Inactive 狀態機運作，一旦閒置逾 30 分鐘會從記憶清除，直到使用者或 Agent 再次訪問時才從磁碟讀回。