Prime Agent Subagent 实战指南【免费下载链接】prime-agentA self-improving RLM agent for coding workflows and long-running autonomous tasks.项目地址: https://gitcode.com/GitHub_Trending/pr/prime-agent让一个智能体从头读到尾,上下文越滚越长,判断也越来越毛糙。Prime Agent 的 Subagent(子智能体,即由主智能体派生出的独立子会话)机制把任务拆给并行会话处理,父级只收结论。读完这篇,你能把全库审查这类大活拆成并行任务,并知道怎么把结果收回来。图:交互模式下 Subagent 任务的执行与输出展示机制拆解:Subagent 为什么能绕开上下文爆炸关键不在多线程,而在上下文隔离。每个 Subagent 都在自己的会话里跑,有独立的上下文窗口,它读的文件、执行的命令都不会挤进父级的上下文;干完活只通过消息或文件把结论送回。这样父级始终保持精简,派生多少个孩子都不会退化成通读全文。最快上手:两行命令跑通第一个 Subagent假设你已装好 Prime Agent:cd /path/to/project prime-agent在交互框里直接下指令:把认证模块审查和测试覆盖度审查作为两个独立子任务,并行执行,汇总结论。模型会在 IPython kernel(常驻的 Python 执行环境)里每拆一个子任务就创建一个 Subagent,输出区能看到各自的名称与进度。核心工作流:启动前、运行中、收工时各盯什么启动前:给每个 Subagent 明确且单一的任务,并附带一句完成后把结论回复给父级,避免结果丢失。运行中:用/context或/usage查看父级与每个子智能体的上下文、token 和费用拆分,必要时展开执行记录看细节。收工时:子智能体的结论以普通消息形式到达;想追问某个孩子,按名字直接发后续指令即可。图:会话树状视图,展示父智能体与多个子智能体的层级状态kernel 里还能用 Python 直接管理子智能体:children await rlm.list_subagents() await agent_message.send(补查授权边界, receiver_rolechild, receiver_namereview.name)第一行找回所有孩子的句柄,第二行对指定子智能体追加指令。进阶玩法:2 个冷门但实用的用法把子智能体写成文件:不依赖模型自由发挥,用 Markdown 定义 agent 档案(工具白名单、模型、系统提示词),放进扩展目录后,/implement(scout → planner → worker)、/implement-and-review这类固定流水线可以按剧本跑,参考 subagent 示例。控制递归深度:默认只允许一层父子;想让子智能体再往下派生,用/rlm-max-depth命令调高上限。Python 侧的 rlm 对象只是薄桥接,真正的调度在 TypeScript 宿主,实现细节可看 rlm Python 桥接 与 核心运行时。避坑速查:最常见的三个问题问题现象一句话解法收不到结果父级回合结束却没有输出创建时要求回复给父级,rlm()只返回句柄,从不返回答案上下文膨胀子任务读完整仓库,token 飙升任务改小改单一,用档案文件限制工具与模型无法追问想给已干完的孩子补指令用rlm.list_subagents()找回句柄再按名发送在项目里打开 Prime Agent,让它把审查当前仓库拆成 3 个并行任务,盯着结论一条条回来。某个孩子的输出不满意时,照表格第三行按名字追问,流程就跑通了。【免费下载链接】prime-agentA self-improving RLM agent for coding workflows and long-running autonomous tasks.项目地址: https://gitcode.com/GitHub_Trending/pr/prime-agent创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Prime Agent Subagent 实战指南
Prime Agent Subagent 实战指南【免费下载链接】prime-agentA self-improving RLM agent for coding workflows and long-running autonomous tasks.项目地址: https://gitcode.com/GitHub_Trending/pr/prime-agent让一个智能体从头读到尾,上下文越滚越长,判断也越来越毛糙。Prime Agent 的 Subagent(子智能体,即由主智能体派生出的独立子会话)机制把任务拆给并行会话处理,父级只收结论。读完这篇,你能把全库审查这类大活拆成并行任务,并知道怎么把结果收回来。图:交互模式下 Subagent 任务的执行与输出展示机制拆解:Subagent 为什么能绕开上下文爆炸关键不在多线程,而在上下文隔离。每个 Subagent 都在自己的会话里跑,有独立的上下文窗口,它读的文件、执行的命令都不会挤进父级的上下文;干完活只通过消息或文件把结论送回。这样父级始终保持精简,派生多少个孩子都不会退化成通读全文。最快上手:两行命令跑通第一个 Subagent假设你已装好 Prime Agent:cd /path/to/project prime-agent在交互框里直接下指令:把认证模块审查和测试覆盖度审查作为两个独立子任务,并行执行,汇总结论。模型会在 IPython kernel(常驻的 Python 执行环境)里每拆一个子任务就创建一个 Subagent,输出区能看到各自的名称与进度。核心工作流:启动前、运行中、收工时各盯什么启动前:给每个 Subagent 明确且单一的任务,并附带一句完成后把结论回复给父级,避免结果丢失。运行中:用/context或/usage查看父级与每个子智能体的上下文、token 和费用拆分,必要时展开执行记录看细节。收工时:子智能体的结论以普通消息形式到达;想追问某个孩子,按名字直接发后续指令即可。图:会话树状视图,展示父智能体与多个子智能体的层级状态kernel 里还能用 Python 直接管理子智能体:children await rlm.list_subagents() await agent_message.send(补查授权边界, receiver_rolechild, receiver_namereview.name)第一行找回所有孩子的句柄,第二行对指定子智能体追加指令。进阶玩法:2 个冷门但实用的用法把子智能体写成文件:不依赖模型自由发挥,用 Markdown 定义 agent 档案(工具白名单、模型、系统提示词),放进扩展目录后,/implement(scout → planner → worker)、/implement-and-review这类固定流水线可以按剧本跑,参考 subagent 示例。控制递归深度:默认只允许一层父子;想让子智能体再往下派生,用/rlm-max-depth命令调高上限。Python 侧的 rlm 对象只是薄桥接,真正的调度在 TypeScript 宿主,实现细节可看 rlm Python 桥接 与 核心运行时。避坑速查:最常见的三个问题问题现象一句话解法收不到结果父级回合结束却没有输出创建时要求回复给父级,rlm()只返回句柄,从不返回答案上下文膨胀子任务读完整仓库,token 飙升任务改小改单一,用档案文件限制工具与模型无法追问想给已干完的孩子补指令用rlm.list_subagents()找回句柄再按名发送在项目里打开 Prime Agent,让它把审查当前仓库拆成 3 个并行任务,盯着结论一条条回来。某个孩子的输出不满意时,照表格第三行按名字追问,流程就跑通了。【免费下载链接】prime-agentA self-improving RLM agent for coding workflows and long-running autonomous tasks.项目地址: https://gitcode.com/GitHub_Trending/pr/prime-agent创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考