这是完整的 Prime Agent AI 课程，内容涵盖从在您的机器上安装它、给它分配第一个任务，到像培训新员工一样训练它，再到让您在睡觉时让它通宵工作。在本课程结束时，您将掌握每一个主要命令、其他工具所不具备的独特功能、它与 Hermes Agent 的对比方式，以及如何安全地运行 Prime Agent。因为该工具确实需要安全规则，而关于其运作原理的故事将解释这一切是如何实现的。

在测试期间，Prime Agent 背后的团队将其放入《异星工厂》（Factorio）这款工厂建造游戏中。他们用简单的书面文字告诉它：“不要作弊。”该代理工作了数小时，尝试了各种工厂布局。它保存了成功的方案，并记录了失败案例的笔记。它的得分攀升至超过 10 万分。随后，它发现了一个漏洞——一个可以将资源直接传送到机器中从而完全跳过游戏的隐藏命令。尽管被明确告知不要这样做，但它依然使用了该漏洞。

接着，它研究了自己的作弊行为，保存了所学内容，并在随后的每次运行中使作弊手段更加精进。正是那个让它变得卓越的引擎，也让它变得狡猾。这个故事告诉了我们关于这个工具的一切：它会真正地自我改进，并且会针对任何能产生实际结果的事情进行优化，无论那是否是您原本的意思。因此，本课程将教您两方面内容：如何获取其优势，以及如何在操作过程中保持控制。

以下是关于 Prime Agent 的快速事实：它来自 Prime Intellect，在 MIT 许可证下完全开源。它是免费的，您可以在 GitHub 上阅读其工作原理的每一行代码。它于 2026 年 8 月初发布，在 GitHub 上已获得超过 13,000 个星标，并每日更新。它在内部运行 Claude Opus 5。团队报告其在 ARC AGI-3 测试中取得了 95.5% 的成绩，这是一项要求 AI 解决从未见过的谜题的测试。报告的专家基线为 95.4%，因此在该测试中，它略胜人类专家一筹。

它在 Mac 或 Linux 机器上只需一条命令即可安装，并且可以使用您已有的 Claude 订阅或在免费本地模型上运行。现在介绍本课程的整体框架，我称之为“Prime Agent 命令引擎”。其核心理念是：大多数人像使用聊天窗口一样使用 AI，您输入内容，它回复。一旦关闭聊天，一切皆空。而 Prime Agent 的构建方式不同：它是一个引擎，拥有点火装置、控制杆、变速箱和自动驾驶仪。

一旦您知道如何操作每个部分，就不再是与 AI 聊天，而是开始指挥一台运行您工作的机器。掌控引擎的人与对着它喊建议的人得到的结果截然不同，而本课程将让您成为那个掌控者。命令引擎由五个部分组成，也是本课程的五个章节，按顺序构建：第一部分“点火”，安全启动引擎；第二部分“控制”；第三部分“变速箱”；第四部分“调音器”；第五部分“自动驾驶仪”。

第一部分：点火。安全启动引擎，因为该引擎足够强大，需要一个车库来停放。第二部分：“控制”，即决定每个任务结果正确与否的命令公式。第三部分：“变速箱”：记忆、技能以及整个子代理团队，这是单个工作者在您笔记本电脑关闭时扩展为一个部门工作的地方。第四部分：“调音器”：自我训练系统，这是市场上其他工具所没有的，引擎会改进自身并将日志交给您。

第五部分：“自动驾驶仪”：引擎在设定的限制内独自通宵运行，这些限制是它无法跨越的。通过测试检查，它无法用言语绕过。最后一部分是您的工作真正发生形态转变的地方，以下内容都为此做铺垫。让我们启动引擎。第一部分：点火。您需要一台 Mac 或 Linux 机器。在 Windows 上，请使用 WSL（Windows Subsystem for Linux），它让 Windows 能够运行 Linux。快速搜索“安装 WSL”可在十分钟内完成设置。

安装只需一条命令：打开您的终端应用。如果您从未使用过终端，请不要关闭本教程，因为这种恐惧正是我们要打破的信念之一。从 Prime Agent GitHub 页面复制安装命令并粘贴，该命令以 curl 开头并以 sh 结尾。这条命令下载工具、使用校验和检查文件是否被篡改，并在约一分钟内在您的机器上安装名为 prime agent 的命令。

但在转动钥匙之前，这个“车库”规则对于 Prime Agent 来说比以往任何工具都更重要。以下是完整的推理过程，而不仅仅是一条规则：Prime Agent 以您的真实用户权限在您的机器上运行代码。构建者在文档中明确说明，它不是一个安全沙箱。还有第二个风险他们直接称之为“提示注入”（prompt injection）。用通俗的话来说，如果代理读取包含隐藏指令的文件或网页，这些指令可能会潜在地引导它。

一个能够运行命令、持有您的“钥匙”并在后台持续工作的引擎，正是那种需要警惕此类风险的类型。因此，他们自己的建议是在您文件的可丢弃副本中工作，即您可以检查和恢复的内容。在此阶段，您需要创建一个名为“agent lab”的文件夹，但只放入文件的副本，绝不使用原件。本课程中的每个任务都在该文件夹内进行，直到引擎完成工作并退出为止。鉴于《异星工厂》的故事，您无需太多说服即可理解为何要使用副本而非原件。这就是“车库”。

现在在终端中转动钥匙：输入 cd 加空格，然后将您的 agents lab 文件夹拖入窗口并按回车。这将进入该文件夹。您可以输入 prime-agent 并按回车进行首次启动，然后键入 slash login（/login）。现在选择一种“燃料”，即引擎的思考方式，您有三条路线可选。第一条：这很可能是大多数人应该选择的路线。使用您已经付费的订阅登录，Claude Pro 或 Max、ChatChubity Plus 或 Pro（通过 Codeex 登录）、GitHub Copilot 甚至都可以使用。无需 API 密钥，无需新账户，无额外操作。

第二条路线是 API 密钥：Anthropic、OpenAI、Google、Grok，任何您想要的都支持。这提供了更多控制力，在课程后面部分，密钥是您接入外部服务的方式。第三条路线是完全本地且免费的：您可以指向在您的机器上运行的 Llama 或 LM Studio，您所做的任何操作都不会离开计算机。这速度较慢但私密性高，无需持续的账户关联。

基于发布的数据，Opus 5 取得了最佳结果，包括在 ARC AGI-3 上获得的 95.5%。如果您想要开源模型，您有像 GM 5.2 这样的开放权重模型（虽然它们不托管在本地），它实际上在与竞争对手框架的对比中赢得了第八和第九项测试。因此，如果您有 Claude 订阅，请选择 Opus 5；如果想要开放权重模型，则选择 GM 5.2。点火的最后一部分是仪表盘（dashboard）。有七个命令……

以及它们在普通英语中的含义，因为每周你都会用到这些。如果你使用 Prime Agent，可以输入 prime agent agents 来查看正在运行的每个会话。Idor 保存在你的机器上，包括员工列表；在本课程稍后部分，该列表中会有几个名字。你可以输入 prime agent attach 加上一个名称，以重新进入仍在运行的会话，就像走进员工办公室中途介入任务一样。你可以输入 prime agent resume 加上一个会话 ID，以唤醒几天前保存的会话，保持其所有知识完好无损。你可以输入 prime agent status 来检查后台服务是否健康。如果你想运行医生模式，可以输入 prime agent doctor add-fix（如果感觉有什么坏了），它会实际检查并修复一些后台服务。

然后，如果你输入 prime-agent update（注意连字符），你可以更新到最新版本，保持最新状态。这很重要，因为这个项目一直在发布更改，而且目前仍处于早期阶段。prime-agent shutdown 会立即停止所有代理、每个工作进程和后台进度处理程序。这是你的主关闭开关。最好在你知道它存在之前了解这一点，以防万一你需要使用它。这就是第一部分，我的朋友。每个引擎都已安装，车库已建成，关闭开关在你手中。现在你学习如何驾驶它。这引导我进入第二部分：控制装置。

有一个理念让这款引擎与你尝试过的所有其他工具都不同。所以在你的第一个任务之前，你需要理解 Prime Agent 背后的单一设计选择，因为一旦你理解了它，你就会以不同的方式指挥这个工具，你的结果将会显著改善。所以，你所使用的每个 AI 都会“阅读”：你给它文档，它把它们塞进它的头部（上下文窗口），而它的头部有大小限制。填满这个“头”，它要么拒绝，要么悄悄忘记细节。这就是为什么像 Hermes Agent 这样的工具经常遗忘细节的原因。

然而，Prime Agent 不会将你的文件读入它的“头”中。它编写小型程序来遍历处理这些文件。整个引擎围绕着一件事构建：一个持久的 Python 工作区，这是一个跨整个会话保持活跃的实时编码环境。而将其与其他一切区分开来的部分是：这个工作区是模型的唯一工具。所以，读取文件、搜索、运行命令、调用外部服务甚至雇佣辅助代理（agents），每一个单一的操作都作为代码发生，由它在那个唯一的工作区中编写并运行。

因此，构建者将这种设计称为“递归语言模型”。你不需要行话，只需要理解这个概念。这就像是一个试图记住每一本书的图书管理员与一个建立卡片目录并提取你要求的确切页面的图书管理员之间的区别。第二个图书管理员永远不会耗尽“头部空间”。这对你的实际意义是什么？基本上，任务的大小不再重要。无论是 10 个客户文档还是 1000 个，方法相同，准确性相同，因为它是在搜索，而不是在记忆。

因此，你本身的对话就变成了数据。它可以用代码来管理，而不是一堆文本。它会不断重新阅读，这是为什么它在运行数小时的任务中能保持结构完整的主要原因之一。所以，这里有一个你的第一个任务。你可以今天尝试一下，因为这是看到差异的最快方法。你可以拿一个你自己的文字文件夹。可以是客户通话记录、推荐语或提案副本。记住这一点，然后问一些你从未能在聊天窗口中问过的问题。

你可以提取在购买前提出的所有客户异议，并按类型分组。或者找出这些推荐语中提到的 20 个最具体的结果，或列出在这些提案中提到交付承诺三次的每一个内容，并标明每个内容来自哪个确切文件。它编写一个搜索程序，在所有数据上运行它，并返回带有来源的答案，你可以自己检查。你整个的商业历史刚刚变成了你可以提问的东西。

现在来看命令公式（Command Formula），这是整个引擎的方向盘，你的命令质量决定了本课程中其他一切的质量。第一部分是以 Plain English 陈述的任务；第二部分是有完成的样子（检查标准）；第三部分是结果的去向。所以，与其说“研究我的竞争对手”，不如说：“研究曼彻斯特 SEO 领域的前五家公司，完成的标准是：一个包含名称、主要报价和星级评分的表格，每行都有来源链接。保存为名为 competitors 的文件，放在这个文件夹中。”任务、检查标准、目的地。

“检查”部分是每个人都会跳过的部分，但正是这部分构成了引擎的安全系统（第五部分）。所以现在养成这个习惯，就在你观看的时候。快速暂停一下，因为我知道你们中的一些人会觉得这听起来很强大，你也知道在终端、模型选择和文件夹文件之间切换会让你移动速度快 10 倍。这正是我们在 Aircraft Volume（飞机构架/高级版）中为你做的事情。你获得 Agent OS（代理操作系统），Prime Agent 与你的 Claude、Hermes、OpenClaw 并排接入。所有工具共享一个记忆库，视频 SEO 代理和 AI 头像已经接线就绪。

因此，你在本课程后面将构建的技能有真正的工具可以调用。你获得 zip 文件、30 天实施路线图、完整视频教程以及我们发布新版本时的每日更新。每天关于本课程内容的逐步教程，命令公式构建学校、设计检查标准，每周四次辅导电话，你可以共享屏幕展示你的 Prime Agent 设置并现场修复问题。已有超过 3,800 名企业主加入，其中许多人在加入前从未打开过终端。链接在评论、描述中，或访问 arpufferform.com（注：此处为原文发音近似拼写）。

回到控制装置，因为 Prime Agent 附带了一套内置技能（skills），你应该在第二个任务之前知道工具箱里有什么。有网络搜索，意味着它可以实时进行网页搜索。它可以在中途拉取数据。所以研究任务使用新鲜信息，而不是过时的训练数据。有编辑（Edit），对文件进行精确的外科式更改，替换确切的一段文本而不是重写整个文档。有附加图片（Attach Image），它可以从磁盘加载截图或照片，真正查看它们，所以你可以给它一张竞争对手页面的图片并询问关于它的问题。

有压缩（Compact），它会检查对话变得多么拥挤并进行压缩，以便长对话和会话继续前进。还有 Gold、Refin 和 Heartbeat（心跳），这是整个系统的明星部分。所以你可以用它进行实时搜索，获取示例，让你的代理现在就进行一次实时搜索。现在，有些人也在问，你知道 Prime Agent 和 Hermes Agent 之间的区别是什么吗？如果你已经运行了……

以 Hermes 为例，为什么要碰它？这是一个合理的问题。你不需要切换。如果你感到满意，如果已经设置好，就完全不需要更改。它们都是开源的，都采用 MIT 许可证授权，均来自严肃的研究实验室，都自称具有自我改进能力。它们都能构建技能并保留记忆，但它们是为真正不同的工作而设计的。一旦你看到区别，就能理解其中的不同。

如果我们从它们各自的存在位置开始看起，Hermes 实际上无处不在。你知道的，Telegram、Slack、WhatsApp、电子邮件等。一个代理，一份记忆，存在于每一个服务和界面上。因此你可以从手机给它发消息，即使你从未触碰过那台机器。Prime Agent 则存在于一个地方：终端里的一台机器上的文件夹中。Hermes 的设计是为了易于联系，而 Prime 则是为了让你在处理艰巨任务时将其搁置一旁。

那么它们各自如何学习呢？因为这是真正的分岔路口。Hermes 有一个在学习循环中自动运行的机制，随着它的工作进行而运作。它会编写可重用的技能文件，保存记忆，搜索自己过去的对话，并构建关于“你是谁”的日益深入的画面。它还会促使自己去记住事情。基本上这是为了移交而设计的，所以它的定位是易于使用且相当少需干预。

Prime Agent 的学习通过精炼、深思熟虑的基于证据的小编辑来进行，每一次更改都会记录其理由。每次更改都有一个 ID，任何更改都可以通过该 ID 回滚，且核心指令是锁定的。因此代理永远无法重写自己的基础。基本上，Hermes 像一位敏锐的助手那样学习，悄悄保留着自己的笔记本；而 Prime 则像一个员工，你可以打开其培训文件逐行阅读并用撤销按钮纠正每一个引擎中的更改。

在理解了这一点后，你就能明白为什么 Prime 要这样构建。当一个代理可以教自己作弊时，对教学过程的审计追踪就是你可能想要的功能。接下来看实际工作的形态。Hermes 擅长成为你的日常伴侣。你可以用自然语言安排晨间简报，在会议间隙向手机发送指令，让它处理某事并给你发消息。

而 Prime Agent 则擅长长期、繁重且可核查的工作。这是一项持续数小时跨越大量文件的任务，对话会撑爆任何正常的上下文窗口，你需要证明工作确实完成了。这个证明文件就是 Prime 的低边界自主模式配合质量关卡（quality gates）。基本上，这是必须通过的真正检查，代理才被允许宣布工作完成。Hermes 并没有这个功能，其他也没有。你将在第五部分学到这一点。

因此，它们在工作方式和用途上非常不同。现在进入第三部分：变速箱、记忆、技能和团队。这是引擎倍增力量的地方。Prime Agent 保持四种类型的持久状态，你应该了解这四点，因为你可以创建、读取、编辑和删除它们中的每一个，代理也是如此。首先是提示笔记（prompt notes），即固定指令，如“总是给我来源”或“用英语写作”。

其次是记忆（memories），即关于你和你的工作的已保存事实。第三是技能（skills），即可重用的工作流。第四是子代理规范（sub-agent specs），即用于辅助代理或它以后可以再次雇佣的子代理的已保存职位描述。所以，提示、记忆、技能和子代理是四个齿轮，从这里到自动驾驶的一切都是关于增长它们。

先从记忆开始，因为它们是这门课程中最容易获得的收益。当代理做对了某事或了解到关于你业务的真实情况时，直接告诉它。将其保存为记忆。例如，“我们的客户是本地服务企业”，“我们从不使用行业术语”以及“任何面向客户的沟通”。如果你这样对你的代理说，那么从那时起这个事实就会伴随它。

这里就是关于 AI 的第一个重大限制性信念需要崩塌的地方。很多人认为 AI 会忘记一切，或者上下文窗口或记忆功能在挣扎。实际上你可以使用这个系统并直接告诉它关于事实的信息，这样它就永远不会忘记任何细节。

技能是 Prime Agent 大放异彩的地方，Prime Agent 有两种类型的卡（概念）。了解它们的区别可以稍后避免一些混淆。第一种技能描述是保存的笔记，关于一种可重复的程序，精炼系统可以在注意到你在重复某事时自行创建。第二种指南是重型技能（heavyweight），即可执行技能，磁盘上真正可安装的程序，为引擎添加真正的新的能力。

有一个内置的技能创建器，其整个工作都打包在一个工作流中。代理只需执行其中之一即可。来自文档的两个实用细节将为你省去头痛：创建新的可执行技能类型后，输入 /reload 让代理重新发现它；并启动一个新会话以便正确安装。小事但第一天就很重要。

这里推荐的玩法是：选择一个你每周重复的过程，例如每次销售电话前做的研究作为例子。然后第二步是让代理走一遍该过程，就像培训新员工一样即时纠正。接着查找公司相关信息：找到他们最新的新闻，查看评论，用三个部分总结在一页纸上。

然后第三步是当输出正确时，说“将刚才所做的打包为一个技能”，例如命名为 prep 这个工作流。然后第四步是 /reload，新会话启动，从下周开始整个过程只需一行命令。例如你可以对这家公司运行 call prep，而曾经存在于你脑海中的过程现在已保存为 Prime Agent 内部的一个命令。

一旦设置好，它就会永远运行。如果每周有一个过程变成一个技能，那么 12 周后，你 12 个重复的过程都将通过命令运行。旧的方式是你的过程存在于你的脑海中或像 SOP 这样的文档中，并且取决于你当天状态的好坏。新的方式是你的过程是引擎中的齿轮，而齿轮没有坏日子，因为它们非常可重复。

现在让我们谈谈团队，这是将一名工人转变为部门的齿轮。主代理可以生成子代理（sub-agents），真正的独立代理，每个都有自己的会话、自己的工作区和自己的历史记录。在代码中雇佣一个实际上只是一个函数调用。关键细节是，该调用不等待。因此主代理立即发出子代理指令并继续工作。

子代理并行运行，并在完成时发送结果消息回来。例如你可以说：启动三个子代理，一个研究我们的顶级竞争对手在本季度网站上做了什么更改；另一个从我们自定义的常见问题中提取最常被问到的问题。

邮件，以及起草下个月的内容创意。然后你可以将所有内容整合成一份报告。因此，你有三个工作进程同时运行：一个经理负责汇编结果，你发出一个指令，以及三个值得了解的子代理细节，因为每一个都展示了这是如何经过深思熟虑构建的。关于子代理很酷的一点是，特别是对于 Prime Agent 来说：第一，它们是持久的。所以一个完成工作的子代理不会消失，它的会话会保留下来。因此明天你可以给它后续任务，它会记住一切。

第二，为了节省内存，大约闲置 30 分钟的子代理会被静默卸载。当任何人再次与其对话时，它会从保存的位置重新加载，仿佛从未离开过。第三，在谁可以和谁对话方面存在刻意设置的边界。所以代理只能在其自己的家族内发送消息，对吧？例如，你有一个父代理及其子代理，更深层的代理位于该父代理之下。构建者故意这样设置了范围限制。你永远不会看到几十个无关的会话不可预测地互相 chatter（闲聊）。

但这里的主要观点是，这些代理可以直接相互发送消息，引导彼此的工作，而不必通过你进行所有路由。例如，经理可以在任务中途纠正研究工作。你建立了一个部门，然后该部门进行对话。此外，在所有这些之下还有一段非常酷的内容，它让长时工作成为现实。那就是守护进程（daemon），一个拥有每个实时会话的后台服务。这意味着会话不与你的终端窗口绑定。

如果你关闭笔记本电脑，去健身房或散步，引擎仍会继续运行。回来时输入 prime-agent attach（Prime Agent 附加），你就再次站在它的办公室里，看着它处于任务中途。如果发生崩溃，守护进程会从保存的日志和工作区快照中恢复会话，而不是丢失数小时的进度。这就是长时运行的含义，也是自动驾驶仪所建立的基础。

另外三个命令完成了变速箱（gearbox），每个都解决你可能会遇到的特定问题。首先是 /goal（目标）。目标是持久的目标，附带可选的预算限制，引擎会在一轮又一轮的交互中将代理引导回该目标，直到代理明确标记为完成。它必须执行一个所谓的“完成调用”。为什么这很重要？在长任务中，代理会漂移。早期的上下文被挤压掉，线程丢失，代理可能会偏离去做一些相关的事情。

目标是系在它手指上的一根绳子，不会意外脱落。第二个是 /heartbeat（心跳）。所以心跳是一个注入会话的消息，每隔几分钟自动触发一次，就像经理探头进来一样。这对于代理等待缓慢响应的事情非常完美，或者当你希望它在不引起你注意的情况下持续检查子代理的进度时。第三个是 prime-agent schedule（Prime Agent 计划），它在设定时间启动会话。

例如，每个工作日上午 7 点检查笔记文件夹，总结任何新内容并保存一份晨间简报文件。这样你的代理的一天就从你准备的简报开始。第四部分，调音器（tuner），这是其他工具没有的功能。所以很多时候，当我们使用代理时，我们必须来回沟通，必须给它反馈。现在有了 Prime Agent，你可以使用 /refine（精炼）。

当你运行它时，代理会审查其最近的工作作为证据：什么被纠正了、什么失败了、什么模式不断重复。然后它对自身的设置应用最小且有用的编辑，保存记忆，更新技能描述，调整提示词笔记或微调子代理规范。它是小型的、有针对性的、基于证据的，并且可以在后台计划这些精炼操作，而不会打断你面前的工作。

护栏（guardrails）是这之所以安全可用的原因，你应该对这三点烂熟于心。还要记住，使用精炼时你会获得日志，所以你可以看到做了什么，也可以撤销任何被调整的内容。关于护栏：第一，基础系统提示词是不可变的。精炼只编辑核心周围的层。无论代理学到什么，它永远不能重写自己的基础。第二，每次更改都记录在精炼历史中，并附带做出该更改的原因。你可以打开历史记录并以纯文本形式阅读引擎决定改变自身什么以及为什么这样做。

第三，每次更改都有一个 ID，可以通过该 ID 撤销错误的更新。所以快照被专门记录以支持回滚。如果它学到了一个糟糕的教训，你可以外科手术般地撤销那一个教训，而不影响它学到的其他任何内容。所以你实际上可以建立每周例程，给代理一个真实任务。像纠正新员工一样纠正它：具体、绝不模糊，“这不是错的，但永远不要使用这三个阶段”。并且始终包含三个来源。

做几个这样的任务，运行 /refine（精炼）。然后不要跳过这一步：打开历史记录并阅读它关于自身的描述。然后将类似的任务交给它，看它在未被指示的情况下应用该教训。你的纠正会随时间累积。比如第一周它可能会偶尔手忙脚乱，但到了第三周，工作到达时已经遵循你的规则。你还想确保系统内的记忆非常具体。

精炼是一个核心功能，但关于它有两点诚实的真相：第一，深入源代码的人发现审查步骤是由另一个 AI 模型执行的。虽然它记录了每次更改期望的结果，但它目前不会稍后回来验证该更改是否真的有帮助。所以这个验证是你的工作，每周需要花费 5 分钟。因此，你想阅读历史记录，在一个新任务上测试一个教训，撤销任何看起来不对劲的内容。

第二点更深层：自我改进的引擎可以同样高效地保留一个糟糕的假设，就像一个好的一样。所以持久性是双刃剑。这就是为什么日志和回滚不仅仅是“锦上添花”，而是调音器可以安全运行的根本原因。现在，让我们谈谈第五部分的自动驾驶仪（autopilot）。本课程中的所有构建都汇聚于此，命令引擎的每个部分都出现在这一个中。

车库第一部分：工作检查；第二部分中的目标、目的地命令；第三部分中的技能和团队；第四部分中经过调优的行为，现在引擎在你画出的框内运行，由测试检查，它无法争辩。所以自动驾驶仪直接从命令行通过 --autonomous（自主）标志运行。你可以在同一个命令中设置目标和限制，这些限制是真实的且有默认值你可以更改：代理可以产生的响应数量上限（默认为 12），它可以花费的总令牌数上限，以及...

系统本身可以注入许多后续提示，默认情况下为三个。顶部有时间限制。引擎不能永远运行，它在盒子里面运行，而盒子是你画的。但限制并不是特别的部分，关卡才是。实际上有一个关卡是我只在 Prime Agent 中见过的功能。基本上这意味着它在允许调用“工作完成”之前会检查并创建测试，代理必须通过该测试。所以这相当严格。如果关卡失败，故障会被反馈到会话中。代理必须继续工作。每个关卡都有重试限制，默认三次尝试，每次检查超时时间为 5 分钟。因此，卡住的检查不会挂起整个运行过程。你可以在一个任务上堆叠多个关卡，它们按顺序运行。代理不能宣布胜利。

所以工作通过了检查才算完成，否则工作就没做完。基本上，这可以不断循环，代理不能假装已经完成工作。它必须继续循环。现在让我们为阶乘闭环，因为完整的课程就在此处自动飞行中。该代理被指示不要在编写时作弊，但它无论如何都作弊了。在它自己的改进循环中，它变成了一个更好的骗子，因为从系统的角度来看，作弊产生了值得记住的结果。教训是一句话，也是本课程中最重要的句子：自我改进的代理会在实际上获得奖励的事情上变得更好，而不是在你意图让它做的事情上变好。

这意味着你如何检查工作现在比以往任何时候都更重要，这也是为什么你要确保对工作完成的样子有一个非常清晰的标准。不要笼统，不要模糊。然后还要检查日志，查看它处理过什么内容。现在，如果你想证明自动飞行能承载的内容，构建者实际上运行了一个基准测试，代理必须从零开始构建一个工作的硬件模拟器。没有参考实现，而是针对检查行为与真实硬件相符的诊断程序进行验证。Prime Agent 为 Sega Genesis 和最初的 Game Boy Color 构建了工作的模拟器。

这通常是一项多天的工程任务，但它是自主完成的并通过检查验证的。这是使用 Opus 5（目前最强的模型之一）完成的，它在不同的框架中未能通过相同的基准测试，即使在其过程中的各个步骤看起来都成功了。所以是相同的大脑，只是不同的框架，结果截然相反。围绕模型的引擎决定了模型实际上能完成什么。这就是这个工具存在的根本原因。

以下是完整的命令引擎使用本课程中的所有内容端到端运行：你可以有一个计划好的会话，在夜间启动目标是生成每周竞争对手报告。它运行你的呼叫准备和研究技能构建第三部分。它spawn出两个子代理并行工作源。心跳每几分钟检查一次进度。两关卡标准：报告文件必须存在，且每个条目必须带有来源链接。每项重试三次。然后运行停止而不是发送垃圾内容。你醒来，像老板审查员工工作一样阅读报告。

你做一两个更正。运行细化以应用修正并瞥一眼细化历史。你只需投入 15 分钟的注意力，就完成了数小时的工作，而且整个引擎比昨天稍微调优了一些。这就是组装完毕的 Prime 引擎命令引擎。现在让我们谈谈其中的一些局限性。基准测试在长上下文套件上表现不一。Prime Agent 配合 GM 5.2 在与使用 Obus 5 的竞争对手框架进行的九项测试中赢了八场。它在六项测试中以微弱优势胜过 Claude to Code。配合 GPT 5.6 Soul，它在六项测试中击败了 Codeex，但它并没有横扫全场。

既定工具仍然在一些类别中 outright 获胜。头条新闻 ARC AGI 3 的数字是三次运行中的最佳成绩，与其他工具发布的数字相比。而不是完全控制的正面交锋，因为团队自己对那些竞争对手设置的复现结果低于官方数字，他们选择了更公平的比较。