Prime Agent 把智能体框架做成了操作系统

RLM + 持续运行的 harness + 多智能体通信，这三者共同构成了 @PrimeIntellect 开发的 Prime Agent harness，如今它在 GitHub 上已经收获了海量星标（22.3K）。

我本来就已经被这个想法深深吸引：让 RLM 自己编写代码来整理、挑选上下文以解决问题，并把子任务委派给子智能体。但在此基础上，RLM 周围的 harness 还能被 RLM 自身修改，子智能体之间还能互相通信，这让我的兴趣直接上升到了另一个层次。

创建一套有限的原语集合，使其契合模型的形态，然后让主智能体自己去琢磨如何运行它们——这个思路对我来说简直太对了。

但 2026 年初的普遍假设是，harness 只是个临时产物。也就是说，随着模型越来越聪明，这些脚手架最终会被吸收进权重里。然而到了 2026 年末，我们已经看到，一个扎实的 harness、配上好的原语、还能被模型自身操控，是何等不可或缺。

正因如此，我在九月和来自普林斯顿与 Prime Intellect 的 @sethkarten 坐下来，深入研究了这整套东西是如何运作的。团队把 @a1zhang 的递归语言模型（RLM）产品化，并在其外围加装了一个持续运行的 harness：智能体在运行过程中会编辑自己的技能、记忆和提示词，还有能直接互相发消息的持久化子智能体。

最妙的是，如果你把这篇论文通读一遍，你会在脑海深处产生一种感觉：你读的其实是一篇计算机科学论文。它更像是操作系统方向的 PhD 会写出来的东西，而不是任何跟机器学习相关的东西。我们从 Seth 本人那里得到确认，这是有意为之。

整个东西就是按操作系统来设计的，在不同层级上的操作——权重、上下文、REPL、磁盘——构成了一个存储层级，每一层都有自己的更新规则。

在这 2 小时 30 分钟里，我们深入聊了它是怎么运作的、在 ARC-AGI-3 上的结果（在公开测试集上用 Opus 5 达到 95.5%，而官方 harness 里大约只有 30%）、为期一周、动用 633 个子智能体的 Factorio 运行、为什么让智能体编辑自己的整个系统提示词会导致它把自己删掉（哈哈哈）、模型为什么会作弊，以及一场在直播中当场生成一大堆子智能体的现场演示！

以下是完整内容（我们甚至还做了演示）：
- 00:00:00：Prime Agent = RLM + 持续运行的 harness + 智能体通信
- 00:03:24：Seth 的背景和过往研究！
- 00:04:50：你怎么看 harness 领域正在凝结成一门独立的研究学科？
- 00:06:52：Seth 的基准测试历程
- 00:09:41：游戏存在的问题，以及前沿模型在奖励上作弊的倾向？
- 00:12:30：前沿模型及其对探索的偏好 + LLM 玩宝可梦。
- 00:17:30：到了极限，harness 的能力会不会被整合进模型内部？
- 00:27:00：我们其实是在读一篇计算机科学论文！
- 00:28:40：Prime Agent：一个自我改进的 RLM harness
- 00:28:56：原始 LLM 只是一个顺序处理器
- 00:29:46：harness 增加了持久的 s