让 AI 连续做几小时的编码任务，难点不只是“会不会写”，还在于它能否记住前面踩过的坑，并据此调整后面的做法。开源项目 Prime Agent 把这两件事放进同一套工作流：它面向长期编码与研究任务，让 Agent 在后台持续运行，也让有用的经验跨越聊天窗口保留下来。
具体来说，它用持久化 REPL——一种能连续执行代码并保留变量和运行状态的交互环境——组织文件操作、命令和子 Agent；再用 Continual Harness 保存提示词补充、记忆、技能说明及子 Agent 配置。最值得注意的是 /refine：据项目方说明，它会回看当前任务过程，只把有证据支持的小改动写入这些辅助配置，不会改写基础系统提示词，并保留快照以便回滚。这里的“自我改进”因此不是重新训练模型，更像是边工作边修订操作手册。
这套闭环能否在长任务中稳定带来收益，项目材料尚未提供对照实验。它还明确提醒：Agent 会以用户权限执行模型生成的 Python 和项目命令，其进程隔离并不是安全沙箱。