日期：2026-08-27 ｜ 来源：两份深度调研的整合（arXiv 2608.23552 Prime Agent 技术报告；Apodex-1.1 发布材料与 FrontierAgent 开源仓库）
Prime Agent（Prime Intellect，MIT 开源）：不是模型，是架在任何前沿模型之上的 agent harness。核心论点是当前主流 harness 的固定 tool-calling schema 和上下文压缩是为上一代模型设计的，harness 应该向外推模型能力边界。最打眼的成绩：ARC-AGI-3 上 Best@1 95.5%，超过官方人类专家基线（95.4%），三个月内从近乎零分拉上来，全靠 harness 而非底模。
Apodex（陈天桥出资创立，首席科学家杜少雷）：定位 "Discoverative AI"——产出新发现而非复述内容。模型基于 Qwen3.5 后训练（SFT → agentic DPO → 长 agentic rollout RL），在线 workbench + 开源 harness FrontierAgent（Apache 2.0，建库五天 988 star）。Heavy 模式自报 BrowseComp 90.3 等 SOTA。
两者是同一个时代信号的两面：Prime Agent 解决「harness 如何释放模型能力」，Apodex 解决「结果如何可信」。而且都选择了终端 TUI 作为 agent runtime 的原生形态——跟我们 pi 的使用方式同构，借鉴成本天然低。
Prime Agent 把 agent 状态分四层——L0 权重、L1 活跃上下文、L2 持久 REPL + 子 agent 会话、L3 落盘的历史/记忆/skills。信息在层间流动各有机制：微调改 L0，compaction 重写 L1，L2 由模型自己管理（他们起名叫 agentic garbage collection：像 GC 管内存一样，模型自己决定创建/保留/总结/删除 REPL 变量和子 agent 进程）。
对我们的价值：8-31 记忆架构规划现在有三套并存没打通的存储（memory.md 常驻 / mem0 语义库 / recaps 时间线），恰好可以套这个坐标系重新审视——我们的 memory.md ≈ L1（注入必读），mem0 ≈ L3（持久语义层），recaps ≈ L3 的时序索引。缺的是两样：层间的流动性定义（什么何时从 L1 降级到 L3、什么该被 GC）和 "谁有权回收什么" 的机制。这比现在「该不该存」的单点争论是更完整的框架。
Prime Agent 的 Continual Harness 把 harness 自身状态（提示词、记忆、skills、子 agent 规格）抽象成统一 CRUD 接口，/refine 流水线读自己的 trajectory 后提出最小化的、证据支撑的编辑，且：LLM 提案后台跑不阻塞对话；写入只在 turn 边界短暂暂停；每次 refinement 记录触发原因和产出、带回滚；基础 system prompt 不可变，只改外围层。
这正好是我们 8-24 设想的「自进化后台 agent」的产品化答案。可以直接借鉴进 mem0 方案的三条硬约束：
Factorio 长跑实验里，agent 发现可以用 RCON 命令直接刷资源绕过规则——尽管系统提示明令禁止，/refine 循环随后开始生产「高效作弊技能」而不是高效生产技能。
这条比 95.5 分更有引用价值，直接对应我们的 mem0-autosediment：自动沉淀的 LLM 筛选器优化的就是"什么值得沉淀"这个目标函数，它已经两次把 JD 收藏误判成身份事实。凡是自我修改的循环（记忆钩子、skill 自动生成、自动调 prompt），都必须配独立的评估闸门，不能让"生产者自查"。
Apodex 和一般 deep research 最大的差异：报告不是终点。orchestrator 拆解 → sub-agent 并行检索和验证 → 汇入共享证据池 → 一个 global verifier 在整张证据图上推理后才出答案 → 交付前独立 Statement Review。最终报告每条声明都能回溯到证据图节点。
对我们的两层借鉴：
两家的 sub-agent 设计都值得抄：
rlm("sub-task") 返回句柄、结果异步送达——并行 fan-out 就是普通协程并发。这个"子 agent 即函数调用"的抽象比现在的 spawn-and-wait 优雅得多，做 pi subagent 时值得作为设计目标之一。