在人工智能迈向通用人工智能（AGI）的进程中，智能体系统的架构设计正成为研究热点。近日，知名 AI 研究机构 Prime Intellect 正式宣布开源其最新的智能体框架——Prime Agent。这一工具的出现，为构建能够进行复杂推理、自我修正及长期记忆的智能系统提供了全新的解决方案。
Prime Agent 的核心创新在于其独特的架构设计，它构建在两个关键的抽象概念之上：递归语言模型（Recursive Language Model, RLM）与持续工具包（Continual Harness）。
子代理即函数：RLM 架构的深度解析
传统的智能体系统往往难以处理复杂的、多层次的逻辑任务。Prime Agent 引入的 RLM 抽象，将子代理的调用过程转化为函数调用。这意味着，在持久运行的 IPython 内核环境中，子智能体不再仅仅是被动的执行单元，而是可以被像代码函数一样被调用、管理和调试的模块。这种设计极大地提升了系统的可扩展性与可维护性，开发者可以像编写代码一样来构建和组合不同的智能模块。
为了支撑这种动态的函数调用机制，Prime Agent 利用了 IPython 内核的持久性。与传统的临时会话不同，IPython 内核提供了一个长期运行的上下文环境，使得智能体能够在多次函数调用之间保持状态、累积数据，从而处理需要跨步骤推理的复杂任务。
自我进化：持续工具包的强大能力
如果说 RLM 解决了“如何组合”的问题，那么持续工具包则解决了“如何进化”的问题。Prime Agent 允许智能体在运行过程中动态地编辑其自身的提示词、技能、记忆以及子代理的规格。这种“自我反思”与“自我修正”的能力，是迈向真正 AGI 的关键一步。它意味着智能体不再是一成不变的程序，而是一个能够根据任务反馈实时调整策略的生命体。
超越人类专家：ARC-AGI-3 测试成绩公布
为了验证 Prime Agent 架构的有效性，研究团队在 ARC-AGI-3（Abstraction and Reasoning Corpus for AGI）基准测试中进行了评估。该测试以衡量 AGI 的推理能力而闻名，对模型的抽象和推理能力要求极高。在测试中，基于 Prime Agent 框架的 Opus 5 模型取得了 95.5% 的 RHAE Best@1 分数。这一成绩不仅大幅超越了前代模型，更重要的是，它略微高于报告的人类专家基线（95.4%）。这一结果标志着在特定的高难度抽象推理任务上，AI 系统已经达到了甚至超越了人类专家的水平。
行业影响与应用前景
Prime Agent 的开源对于 AI 开发者而言是一份宝贵的资源。它降低了构建复杂多智能体系统的门槛，使得研究人员能够专注于智能体逻辑本身，而非底层的架构搭建。在未来的应用场景中，Prime Agent 有望在自动化编程、科学实验设计、复杂金融分析等领域发挥重要作用。通过将子代理封装为函数并支持自我迭代，该框架为构建更强大、更自主的 AI 助手提供了坚实的技术底座。
随着 Prime Agent 的发布，我们看到了智能体系统向更模块化、更自主化发展的明确趋势。
信息来源：MarkTechPost，原文链接：https://www.marktechpost.com/2026/08/06/prime-intellect-releases-prime-agent/
