PrimeIntellect-ai

@PrimeIntellect-ai

prime-agent

PrimeIntellect-ai/prime-agent

A self-improving RLM agent for coding workflows and long-running autonomous tasks.

STARS6,019
FORKS481
OPEN ISSUES / PRS231
LANGUAGETypeScript

CHOOSE YOUR VIEW

你想怎么了解这个项目?

同一份项目事实,两种阅读深度。不会改变页面地址和搜索内容。

当前展示快速摘要和完整技术内容,请按需要选择。选择只保存在当前设备。

ADOPTION BRIEF

项目采用前简报

当前判断证据不足,继续观察
标准证据模板项目采用前评估

已有部分公开证据,但样本或表述仍不足以支撑采用结论。

已有公开依据

  • 项目用途:来自项目描述、README 或现有中文解读。
  • 榜单记录:来自本站保存的周期快照和历史排名。
  • 健康证据:已采集公开提交、Issue、PR 或 Release 样本,当前置信度为 样本有限。
  • License:仓库当前声明为 MIT,仍需回到完整协议核验。
  • 近期变化:已有可展示的公开事实摘要,原始链接仍是最终核验入口。
  • 部署提醒:页面保留 README 和仓库链接,具体依赖、数据边界与运行方式以项目方文档为准。

采用前仍需核验

当前模板未发现明确证据缺口,但仍需在你的实际环境完成安装、依赖、数据和安全验证。

建议的下一步

  1. 打开 README 和完整 License,确认依赖与使用义务。
  2. 在隔离的测试环境完成最小可运行验证。
  3. 根据真实业务数据决定继续评估或暂缓采用。

本简报只组织公开证据,不生成推荐分数,也不替代源码、安全和法律审查。

核对 GitHub 原文
01

QUICK UNDERSTANDING

先用几分钟判断它是否值得继续看

人话与术语分开,事实不变
先说人话 它让电脑在长时间无人看管的情况下,自己动手写代码或做研究,并且能记住之前学到的做法,不断改进自己的干活方式。

可以把它理解成一个有记事本和工具箱的机器人助理:它一边干活,一边把好用的方法记下来,下次遇到类似问题就直接调用。

WHEN TO USE IT

什么时候用得上

  • 当你需要让电脑通宵处理大批代码文件,第二天早上直接看结果时。
  • 当你反复进行同类型的数据整理,希望电脑自动总结规律并保留下来时。
ONE EXAMPLE

举个具体例子

例如,一位数据分析师让这个工具整理上周的所有销售报表。工具自己运行了好几个小时,把数据清洗、生成图表,并把处理步骤记成模板。下周再遇到类似任务,它就能直接套用模板,几小时的工作缩短到十几分钟。

WHO IT FITS

如果你是……

  • 如果你经常需要电脑帮你处理繁琐的、耗时的数据整理工作,不想每次从头开始教它。
  • 如果你在科研或编程中会遇到长期运行的重复任务,希望有一个能自动总结经验的下属。
BEFORE YOU START

开始前先知道

  • 开始前,你需要确认电脑已经安装好相应的运行环境,并且有足够的磁盘空间存放它产生的记录。
  • 由于这类工具会自动执行命令,第一次使用前建议先在一个不影响主数据的测试环境中试运行,看清楚它做了什么再让它接触重要文件。
当前维护状态近期活跃

最近 30 天内有代码推送记录。

License 提醒通常允许商业使用

通常仍需保留版权、许可声明,并遵守协议中的附加义务。

结论从哪里来?中文说明由公开项目资料辅助整理,最终判断请回到项目方原始来源。

查看 GitHub 原文

HISTORICAL INTELLIGENCE

历史情报摘要

按周期独立统计
日榜持续记录
历史最佳#1当前排名#1

与上一期排名持平

记录天数
2 天
记录期 Star
+334
本站共 16 天日榜快照 · 最近记录 2026-08-08
本站最早记录:2026-08-07

指标仅基于本站已保存快照,不代表项目在 GitHub 的首次上榜时间;同日多次抓取保留当日最新结果,负向 Star 差值按样本校正处理。

日榜历史趋势

2026-08-07 至 2026-08-08,掉榜日期保留为空缺。

排名,数字越小越靠前当日新增 Star
折线表示历史榜单排名,柱形表示相同快照记录的新增 Star。排名纵轴已反向,越靠上排名越高。 #1 #1 #2 #2 #2 2026-08-07:新增 2271 Star 2026-08-08:新增 2271 Star 2026-08-07:排名 #1,新增 2271 Star2026-08-08:排名 #1,新增 2271 Star 08-07 08-08 +2.3k
图表仅使用本站保存的快照,不补零、不推算掉榜期间数据;下方历史明细继续保留原始日期、排名与 Star 数。

VERIFIABLE HEALTH SIGNALS

项目健康证据

维护、响应、交付与采用风险分开观察,不生成虚假的单一总分。
样本有限
MAINTENANCE

维护活性

核对提交
近 90 天 Commit
≥300
按公开记录统计
活跃贡献者
≥13
按公开记录统计 · 按公开提交账号去重
近 12 月活跃月份
3/12
基于已采集提交
RESPONSE

社区响应

核对样本
Issue 关闭率
12%
按公开记录统计 · 11/≥94 个同期新 Issue · Issue 原始样本 94 条/有效样本 94 条/排除 0 条
Issue 关闭中位数
1.7 小时
按公开记录统计 · 仅统计已关闭样本
PR 合并率
37%
按公开记录统计 · 112/≥300 个同期新 PR · PR 原始样本 300 条/有效样本 300 条/排除 0 条
PR 合并中位数
3.3 小时
按公开记录统计 · 仅统计已合并样本
DELIVERY

持续交付

核对发布
近 12 月正式 Release
39
按公开记录统计 · 排除草稿与预发布
最近正式 Release
2026-08-06
按公开记录统计 · 以公开发布时间为准
发布间隔中位数
1.2 天
按公开记录统计 · 至少两次正式发布才计算
ADOPTION

采用风险

查看仓库
仓库状态
正常开放
未发现归档标记
开源协议
MIT
仍需核对完整协议与依赖
Security Policy
未发现
仅检查 GitHub 社区资料

仓库类型 代码项目统计窗口 90 天快照样本 2 天计算规则 health-v2采集于 2026-08-08 01:10

代码项目:按提交、协作、发布与采用风险分开观察。 当前样本覆盖、分页完整性或适用度不足,不把局部数据写成整体结论。 这些信号不替代代码审计、安全测试和真实生产验证。

90-DAY CHANGE RADAR

最近 90 天发生了什么

依据可复核的项目特定事件生成,不用通用文案补足事实。
部分样本
近 90 天同时存在正式发布与合并活动,可继续核对具体演进方向

近 90 天记录到 ≥300 次 Commit、≥300 个新 PR(≥112 个已合并)和 ≥94 个新 Issue(≥11 个已关闭);同期可复核正式 Release 39 个。

代码推进≥300 次 Commit

按公开提交记录统计,不判断内容或代码质量。

合并协作≥112 / ≥300 个 PR

前者为已合并数量,后者为同期新建样本。

问题响应≥11 / ≥94 个 Issue

前者为已关闭数量,后者为同期新建有效样本。

正式发布39 个 Release

仅统计窗口内非草稿、非预发布版本。

2026-05-10 至 2026-08-08规则 changes-v3生成于 2026-08-08 01:10

  • 部分 GitHub API 分页达到采集上限,带“≥”的数量仅表示已采集下限。
  • 代码项目:按提交、协作、发布与采用风险分开观察。
  • 事件是否存在由确定性规则识别,摘要不使用 AI 猜测事件。
  • 这些公开活动记录不等同于代码质量、安全性或生产可用性结论。
  • 本站每日指标快照目前积累 2 天,不补算缺失日期,也不伪造完整 90 天增量。

AI-ASSISTED PROJECT BRIEF

项目定位与辅助解读

来源边界与风险表述检查

AI 解读仅作初评参考,技术落地请以 GitHub 源码、README 和完整协议为准。

项目资料AI 整理

一个用于编码与研究的自主代理,基于递归语言模型和持续化记忆,能通过证据驱动更新改进自身,支持长时间运行任务。

Prime Agent 是 TypeScript 编写的开源代理,面向编码和长期任务。它采用递归语言模型(RLM)抽象,将上下文视为变量,工具和子代理作为函数调用,在持久 REPL 中运行。同时,Continual Harness 存储补充提示、记忆和技能,并允许通过 /refine 做小幅度改进。默认状态本地保存,支持后台会话。从公开资料看,项目由 PrimeIntellect 发布,MIT 许可。

核心亮点

项目最值得关注的能力

AI 推断
  • 一切操作皆可通过代码完成,内置持久IPython环境。
  • 子代理通过rlm()调用,可并行运行并返回结果。

适用场景

它可以解决哪些实际问题

AI 推断
  • 自动化编码工作流,包括代码编写、重构与测试。
  • 跨会话长期研究任务,需保留上下文与复用技能。

技术观察

从公开资料提炼的实现特征

AI 推断
  • 基于递归语言模型(RLM),上下文作为变量,子代理作为函数调用。
  • 使用Continual Harness持久化记忆与技能,支持证据驱动的局部更新。

优势判断

相对明确的项目价值

AI 推断
  • 开源且MIT许可,社区可自由审计与修改。
  • 通过持久状态与技能复用,减少长任务中的上下文丢失。

局限与注意

评估和采用前需要留意

AI 推断
  • 从公开资料看,尚未提供独立安全审计,生产采用前需自行验证。
  • 主要内置IPython环境,对非Python工作流的适用性待验证。

适用人群

哪些开发者和团队值得关注

AI 推断
  • 使用AI辅助编码的软件开发者。
  • 研究自主代理与长期任务的研究人员。
综合参考
从公开资料看,该项目的设计理念有创新性,将上下文作为可变状态并支持子代理和技能复用,适合需要长期运行的编码与研究任务。但需注意项目仍处早期,建议采用前评估稳定性和安全性。
由 AI 基于 GitHub 公开资料辅助生成,不构成安全审计、生产选型或专业建议。

依据与内容边界

区分可验证事实、项目方自述与 AI 推断

GitHub 可验证事实

Star、Fork、License、更新时间及健康证据样本来自 GitHub 公开接口。

项目方自述

功能与使用方式主要来自仓库描述和 README,未经本站独立验证。

AI 推断

适用场景、优势与局限属于辅助解读,应结合原始文档独立判断。

  • GitHub事实:仓库语言为TypeScript,采用MIT许可证,当前有5056星和404 fork。
  • 项目方自述:README称其结合持久IPython与可改进harness,支持长时间自主工作。
生成于 2026-08-07 19:56 规则版本 2026-08-v5-plain-language
内容有误或您是项目作者?提交纠错
仅保存处理所需内容,不记录原始 IP;可信项目作者的高风险申诉会优先处理。