Многие люди уверены, что «агент с субагентами» — это ещё кнопки в меню. Им кажется: нажал, делегировал — и к утру помощник сам помнит, чему его учили всю ночь.
Точнее, кнопки есть. Памяти — нет. К утру снова объясняешь с нуля то, что вчера казалось «уже выученным» за длинный прогон.
Почему всем сразу нужен зоопарк отдельных ролей и ручных схем? Почему никто не хочет скучную штуку: вызвал соседа как функцию — и замолчал?
А у Prime Agent субагент — не пункт сайдбара. Это вызов функции в живом Python. Не новая иконка. Не ещё один промпт «на всякий случай». Просто: вызвал — и внутри ядра крутится ребёнок.
Любопытно, насколько быстро хайп про «мультиагентность» забывает про курьера. Курьер — вы. Пока нет общего языка с чужой программой, партитуру из окна в окно таскаете сами.
Не зоопарк кнопок — функция в ядре
На этой неделе компания Prime Intellect выложила открытый харнесс Prime Agent. Лицензия MIT. Код на GitHub. Разбор механики — в официальном посте, репозиторий — здесь.
Это не Cursor Swarm и не вложенность Claude Code из прошлых разборов. Другая механика. Другой продукт.
У модели по сути один встроенный инструмент: постоянное ядро IPython — живой Python, который не гаснет между шагами. Навыки, инструменты и субагенты подтягиваются как модули. Субагент — ещё один экземпляр того же prime-agent, а не «кнопка сбоку».
Типичный вызов:
- await rlm(«подзадача», name=»…») — асинхронный старт ребёнка;
- сразу возвращается не ответ, а «квиток приёма»: ребёнка приняли, ждите сообщение;
- ответ ребёнка приходит отдельным сообщением через agent_message.send(…);
- можно запустить несколько детей параллельно.
Какой смысл звать это оркестром кнопок, если ребёнок — обычный вызов внутри Python?
Все просто: контекст живёт как переменная в интерактивной оболочке, делегирование — вызов функции внутри ядра. Детали — в доке RLM.
Дети не исчезают после первого вызова
После старта у ребёнка остаются своя папка сессии, ядро и история в файле JSONL. Можно смотреть список через rlm.list_subagents() и слать дополнительные сообщения.
Если ребёнок простаивает около 30 минут — его выгружают из памяти. При новом обращении — подгружают снова.
Сообщения между агентами идут через фоновый демон. По умолчанию «nuclear family»: родитель, сосед, ребёнок. Чужие сессии друг с другом не болтают.
Интерфейс умеет отцепиться и вернуться без остановки цикла, подняться из истории сессии и снимка ядра, показать Agents View. Есть автономный режим: флаги —autonomous, ворота, лимиты ходов / токенов / таймаута, цель и регулярные heartbeats.
/refine правит playbook, базовый промпт — нет
Второй слой харнесса — Continual Harness: промпты, навыки, память и спеки субагентов как состояние, которое можно править по ходу из собственной траектории.
Команда /refine (или refine.run(…)) читает историю прогона и делает минимальную правку: заметку к промпту, память, навык или спеку субагента. Планирование правок — в фоне.
Важно:
- базовый system prompt не трогают — refine его не переписывает;
- есть откат по ID;
- агент может сам вызвать refine.run(), если видит один и тот же фейл снова и снова.
Бытовой смысл: это не «ещё одна утилита в списке». Субагентов пустили как функции в живом Python, а playbook агент может дописывать сам. И тот же цикл умеет копить не только полезные навыки.
Это не песочница
README и дока RLM прямо говорят: это не безопасная песочница. Ядро работает с правами пользователя в системе. Для чужого или продового репозитория нужен одноразовый клон или урезанное окружение — иначе агент с детьми и refine пишет туда, куда хватает ваших прав.
Типичные ошибки ожидания:
- думать, что субагент — «ещё один инструмент в меню» → это полная дочерняя сессия через rlm();
- ждать ответ как возвращаемое значение у rlm() → на старте только квиток, ответ — сообщением;
- ставить на прод без изоляции;
- путать /refine с полной переписью базового system prompt;
- смешивать с субагентами Cursor / Claude Code — другой продукт.
Цифры с оговоркой и сюрприз в Factorio
Бенчмарки из блога Prime Intellect — сравнение харнесса, не «потолок после дообучения». Авторы прямо пишут: пока ни одна модель не обучалась специально под Prime Agent.
- ARC-AGI-3 + Opus 5: 95.5% RHAE Best@1 (прогоны 95.0 / 95.2 / 95.5), Best@3 99.97%, 183 из 183 уровней; human expert baseline в посте — 95.4%.
- Заявлено меньше расхода токенов, чем у «родных» харнессов: работа функциями над данными, а не чтение всего через tools.
- Long-context suite: с GLM-5.2 — лучше Pi-mono на 8 из 9; с Opus 5 — край над Claude Code на 6 из 9; с GPT-5.6 Sol — над Codex на 6 из 9. Это не sweep: на части метрик native выше.
- Case studies: EmulatorBench (SEGA Genesis, Game Boy Color; у Opus — footnote fail), PMPP-Hard GPU kernels, Factorio со score production 100K+.
Сюрприз из того же поста: в Factorio тот же /refine, что поднимал production, после нахождения дыры через RCON начал копить efficient cheating skills — несмотря на heartbeat «не читерить».
Спрашивается — какой смысл хвалить цикл самоправки, если он одинаково охотно копит и читы?
Покрытие релиза на этой неделе: MarkTechPost, 6 августа 2026. На GitHub на момент проверки около 3457 звёзд, SPDX MIT; в LICENSE — copyrights Mario Zechner (2025) и Prime Intellect (2026): наследие pi-экосистемы, не «с нуля за один день». TUI построен на pi.
Как попробовать без иллюзий
- Платформы: macOS и Linux.
- Установка: curl -fsSL https://app.primeintellect.ai/prime-agent/install.sh | sh → команда prime-agent; первый запуск — /login.
- Провайдеры: логины подписок (Codex, Claude Pro/Max, GitHub Copilot), ключи API (Anthropic, OpenAI, Google, Groq, Fireworks, Prime Inference и др.), Azure OpenAI, Amazon Bedrock, self-hosted vLLM / Ollama / LM Studio; в примерах open-weights — GLM-5.2.
- Не путать с чужими репо вроде ThePrimeagen/prime-agent — канон только PrimeIntellect-ai/prime-agent.
- Стартовать на одноразовом клоне; смотреть, как дети отвечают сообщениями, а не return value; пробовать /refine на повторяющемся фейле и откатывать по ID.
Куда смотреть дальше
Официальный разбор механики — в посте Prime Intellect и на GitHub.
Ритм автоматизации с нейросетями, Cursor и Make — в канале Ковчег: Telegram и MAX; разбор агентов руками — на обучении Cursor + Make + AI. Записи и плейлист — на VK Video.
