Prime Agent 与递归语言模型：把 Agent 上下文变成代码

2026 年 8 月，Prime Intellect 的 Prime Agent 以单日 2319 stars 冲上 GitHub Trending 榜首，总星数很快达到 11.4K。它的设计让人眼前一亮：不是把任务塞进越来越长的对话里，而是给模型一个活的 Python 会话。

上下文即代码

传统 Agent 的问题在于上下文管理：任务越复杂，对话越长，token 成本与遗忘问题同步恶化。Prime Agent 的思路是反过来的——把上下文变成代码：

• 一个持久 Python 解释器是 Agent 的主要工具；
• 文件读写、shell 命令、子 Agent 调度、上下文管理，全部通过写代码完成；
• 模型自己决定如何组织、压缩和复用上下文。

这套理念源自 2025 年 10 月 Alex Zhang 提出的递归语言模型（Recursive Language Model，arXiv:2512.24601），Prime Agent 把它产品化了。

与主流方案的对比

适用与不适用的场景

• 适用：长任务、需要精细控制上下文的复杂工作流、研究者与高级用户。
• 不适用：开箱即用、期望"零配置"的普通用户——把上下文管理交给模型自己，调试成本不低。

小结

Prime Agent 押注的是"Agent 该不该自己管自己的大脑"。它把控制权完全交给模型，风险与灵活性并存。但单日 2319 stars 说明，开发者对"更聪明的上下文管理"有强烈的期待。