Prime Intellect 開源 Prime Agent：harness 讀自己的執行軌跡改寫 prompt 與 skill，搭 Opus 5 在 ARC-AGI-3 勝人類專家基準

Prime Intellect 開源 Prime Agent：harness 讀自己的執行軌跡改寫 prompt 與 skill，搭 Opus 5 在 ARC-AGI-3 勝人類專家基準。 產品定位 Prime Intellect 將 Prime Agent 定位為通用程式開發 harness，也適合研究與長時間自主評測（long-horizon autonomous evaluation）。官方表示，它不只針對單一 benchmark 設計，在 ARC-AGI-3 上以 Opus 5 取得 95.5% 成績，超過人類專家基準 95.4%；團隊也稱，Prime Agent 在多項長上下文與長 horizon 任務中，相較模型原本搭配的專有 harness，能讓開放權重與封閉模型的下游表現更好。 Prime Agent 搭配 Opus 5 在 ARC-AGI-3 取得 95.5% 的得分，超越人類專家基準線（95.4%）。 Prime Agent 建置於 pi 之上，採完全開源與 MIT License。 三個核心設計 Prime Agent 將三種機制組合在同一個執行環境中： RLM-native programmatic tool calling：模型把 context 視為變數，並在持續運作的 REPL 中以程式碼操作歷史內容、呼叫工具與啟動 sub-agents。 Persistent multi-agent orchestration：sub-agents 能並行或在背景執行，彼此直接傳送訊息，並保留自己的工作狀態。 Self-improving Continual Harness：harness 可保存並更新 prompt、記憶、skill 與 sub-agent 規格，讓 Agent 根據實際執行軌跡逐步調整工作方式。 單一 turn 與 Continual Harness 迴圈的架構圖，圖上標示 MODEL、IPYTHON KERNEL、SUB-AGENTS 與 CONTINUAL HARNESS；圖說寫明 Continual Harness 讀取跨 turn 的執行軌跡並寫回 harness 狀態 RLM 執行模型 Prime Agent 的模型使用持續存在的 IPython kernel，並將它視為唯一的工具介面。檔案操作、Shell 命令、工具呼叫、context 管理與 sub-agent 啟動，都能由模型在 kernel 中以程式碼完成。這讓長 session 不必把所有歷史重新塞回 active context；模型可以把有用資料保存在變數或外部狀態中，把長時間工作變成可以用程式管理的問題。 RLM 架構圖，說明讓 LLM 透過 persistent Python REPL 來檢查與轉換輸入資料，並在該 Python REPL 內呼叫 sub-LLMs 的運作機制。 多 Agent 與持續工作 rlm(...) 能建立真正的子 Agent，每個子 Agent 都擁有自己的模型、IPython kernel、session tree 與對話歷史。Agent 之間可透過 daemon 傳遞訊息，協調平行工作、追蹤進度或處理共用資源；官方說明這類訊息傳遞限於同一個「核心家庭」，也就是父、子與兄弟 session 之間。Prime Agent 也支援 background session、heartbeat、schedule、persistent goal 與 bounded autonomous mode，官方提醒通過的 gate 只驗該 gate 檢查的項目、達到上限並不代表任務成功；即使終端機中斷，工作仍可在背景繼續，之後再重新連線。官方展示的使用情境包括 EmulatorBench、Factorio、MazeBench，以及從零以 Rust 建立 SEGA Genesis 與 Game Boy Color emulator。 Prime Agent + GPT-5.6 Sol (xhigh) 在 GAME BOY COLOR 評測中 SCORE 達到 0.998，領先 Codex 與 Claude Code 等其餘組合（SCORE 均為 0.000）。 執行 Prime-Agent 配合 GLM-5.2 在 MazeBench 上的迷宮導航與測試過程 Continual Harness 與 skill harness 狀態會持續寫入磁碟，並在不同 turn 與 session 間保留。/refine 會檢視 Agent 過去嘗試及其結果，對 prompt note、記憶、skill 或 sub-agent 規格做最小、有證據支持的修改，而不是重寫整個 harness。基礎 system prompt 維持不可變更，更新也會留下歷史紀錄並支援 rollback。這裡的 skill 是可匯入的 Python package，可由內建 skill creator 將重複性的工作流程整理成專案或個人 skill。 Prime Agent 與各模型原廠 harness 在多項長文本與長任務 benchmark 的比較中，在多數指標上取得優於原廠 harness 的成績，但在部分指標上互有高低。 評測結果 Prime Intellect 表示，Prime Agent 在 ARC-AGI-3 上以 Opus 5 取得 95.5% 的 RHAE Best@1（圖上標示該次通過 179/183 個 levels），三次執行分數為 95.0%、95.2% 與 95.5%；三次合計的 Best@3 分數為 99.97%，且 183 個 levels 全數至少通過一次。官方也指出，透過程式化函式直接處理資料，能在達到較高分數的同時降低整體 token 使用量。影片畫面另顯示另一次執行的中途狀態，從 93.39%（164/183 levels）更新至 95.54%（178/183 levels、11,118 actions），並將 Prime Agent 的 95.5% 與 native coding harnesses 的 38.3%、人類基準 95.4% 並列；這些是畫面展示的數據，不是額外的正式評測規格。 開源與安裝 原始貼文提供的安裝方式如下；官方文件說明該 installer 會下載已版本化的發行版並驗證其 SHA-256 checksum。（編按）它仍是透過網路下載、直接交由 Shell 執行的指令，建議先確認內容、權限與執行環境再執行： 介紹 Prime Agent 程式碼 harness 的安裝指令與 ARC-AGI-3 基準測試表現 `bash curl -fsSL https://app.primeintellect.ai/prime-agent/install.sh | sh ` 專案原始碼可見於 Prime Agent GitHub repository，發布說明則見 Prime Intellect 官方部落格。文件特別警告，Prime Agent 會以使用者權限執行模型產生的 Python 與專案命令；它的 worker 與 kernel 生命週期隔離、復原機制都不是 security sandbox，所以要用可信任的 repository、指示、skill 與 extension，並在可檢查、可還原的工作副本或外部沙盒中執行不受信任的程式碼。介紹 Prime Agent 程式碼 harness 的安裝指令與 ARC-AGI-3 基準測試表現 影片中的 Prompt 與操作：Prompt（00:09）： how do you work?Prompt（00:23）： /goal solve ARC-AGI-3操作步驟： 1. （00:04）輸入安裝指令並執行 2. （00:09）輸入問句查詢運作方式 3. （00:23）輸入目標指令求解 ARC-AGI-3執行 Prime-Agent 配合 GLM-5.2 在 MazeBench 上的迷宮導航與測試過程 影片中的 Prompt 與操作：操作步驟： 1. （00:00）啟動 MazeBench 測試並以 3D 視覺化呈現迷宮場景與 Agent 移動過程原文：https://easyvibecoding.app/curated/2863-prime-intellect-open-sources-prime-agent-arc-agi-3-95-5