Prime Agent：Agent 不只会改代码，也开始改自己的 harness
Prime Intellect 8 月 5 日发布 Prime Agent，这是一个开源 self-improving coding harness。它值得写，不是因为又多了一个编程 Agent，而是因为它直接把问题推到了下一层：Agent 不只需要完成任务，还需要能改造自己的工作方式。
Prime Agent 围绕两个抽象构建：Recursive Language Model 和 Continual Harness。前者把 context 当成变量，把 sub-agent delegation 当成 REPL 里的函数调用；后者把 harness 自身的 prompts、skills、memory、sub-agents 视为可以被创建、读取、更新和删除的运行时状态。
这个设计和传统 Agent 框架很不一样。常见框架通常在启动前写好系统提示词、工具列表、记忆策略和 sub-agent 角色，然后让模型在这个固定框架里工作。Prime Agent 的观点更激进：这些脚手架不应该永远固定。Agent 在执行过程中学到新信息后，应该能更新自己的记忆、创建新的技能、生成 sub-agent，甚至和另一个 Prime Agent 会话通信。
它的实现也很有意思。Prime Agent 让模型使用 persistent IPython kernel 作为唯一工具，其他能力都通过 kernel 里的函数暴露出来，包括 sub-agent。换句话说，模型不是在一堆硬编码工具按钮之间选择，而是在一个持续存在的编程环境里组织自己的工作。
这击中了 2026 年 Agent 领域越来越明显的共识：模型能力和 harness 能力已经分不开了。同一个模型，放进不同的上下文管理、工具协议、状态系统、审计器和 sub-agent 编排里，表现会差很多。ARC-AGI-3、LongHorizon-Harness、Deep Agents、Claude Code、Codex 都在说明这件事。
Prime Agent 更进一步，把 harness 也变成可演化对象。它背后的判断是，未来模型会越来越强，固定的手写脚手架会限制模型发挥；真正好的 Agent 运行时，要允许模型在边做边学的过程中调整自己的工作结构。
当然，这也带来新的风险。一个会改自己 prompts、skills 和 memory 的 Agent，更需要版本控制、回滚、审计和权限边界。否则 self-improving 很容易变成 self-corrupting：越改越偏、把错误记成经验、创建不可控的子流程，或者在长期任务中积累奇怪的行为惯性。
所以 Prime Agent 的意义不是“让 Agent 完全自治”，而是提醒开发者：Agent 的能力边界正在从模型参数扩展到运行时系统。谁能设计出更好的 harness，谁就能从同样的模型里榨出更多能力。
我的判断是，未来编程 Agent 的竞争会有三层。第一层是模型本身，谁更会写代码和推理。第二层是工具和环境，谁能更可靠地读仓库、跑测试、改文件、查文档。第三层就是 harness 自我改进，谁能把执行经验转化成更好的 prompts、skills、memory 和 sub-agent 结构。Prime Agent 正是在第三层开了一个很有野心的口子。