Prime Agent 用 Rust 重写并发布，两周内由 2000 多个智能体完成

用 Rust 重写 Prime Agent

Kevin Thomas、Sebastian Müller、Seth Karten

2026 年 10 月 9 日 • 研究

用 Rust 重写 Prime Agent

自 8 月发布 Prime Agent [1] 以来，它已被下载超过 30 万次，处理了超过 8 万亿个 token。今天，我们很高兴地推出更快、更简洁、更可靠的 Prime Agent——它使用 Rust 从底层完全重写。

在两周时间里，Prime Agent orchestrated 了一支由 2,000 多个 agent 组成的集群来端到端重写自身，在 10,000 多个 Prime Sandbox 上运行，消耗了来自 Prime Inference 的 GLM-5.3 端点的超过 2000 亿个 token。这次 Rust 重写对 Prime Agent 的多 agent 能力进行了压力测试，包括我们一直在构建的沙箱和推理基础设施，用于支撑大规模 agent 集群、自主研究和强化学习。

为了确保与 TypeScript 版本的功能对等，Prime Agent 编排了子 agent 对依赖关系进行拓扑排序，并用有限状态机来组织循环计算和正确性检查。与此同时，我们重写了代码架构，以便于维护和开发。随后，我们使用运行时基准测试和真实的 Prime Agent 轨迹来爬山优化性能指标并排查 bug。如今，Prime Agent 运行得更快，占用的资源也比大多数编码 agent 框架更少。

为什么选择 Rust

TypeScript 帮助我们快速发布了 Prime Agent，但它的类型是可选的，在运行时就会消失；错误以未检查的异常形式传播；渲染和解析大型会话这类 CPU 密集型工作与键盘输入在单个事件循环上竞争；而且每个进程都要为 JavaScript 运行时和垃圾回收器付出代价。我们希望保持同样快的发布节奏，同时随着代码规模增长对其保持更高的标准，而 Rust 非常契合这一点：

除了这些明显的性能提升外，这次重写还给了我们重新思考设计选择的机会。我们对代码库进行了大幅模块化，并正在收获这次重写的回报，包括 Windows 支持、会话崩溃隔离，以及更一致的守护进程协议。

我们的目标是让 agent 尽可能少地依赖人工干预来自主完成重写。因此，所需的人工工作是搭建适当的验证机制，以实现大规模的自主部署。我们沿用了此前自动 Rust 翻译工作 [2] 中的类似设置。每一份规范都覆盖了不同类型的一致性：

有了对每种一致性的客观检查，agent 就能衡量自身进展，并在变更合并前捕获回归，这让我们得以减少人工审查。剩余的 bug 和行为差异主要通过内部使用发现，这指导了我们后续在缺失功能、可靠性和界面打磨方面的工作。

我们在两个 8 核按需 CPU 节点上运行所有编排器及其 agent，每个节点支持超过 100 个并发子 agent 及其各自的 CPython 内核。此外，由于当数十个 agent 同时运行时，编译、类型检查和 diff 会让任何单台机器饱和，我们为 agent 构建了将繁重工作外包给 Prime Sandbox 的工具，使我们能够高度并行化这次移植。

单个根 agent 编排这次重写，并将工作划分为任务的拓扑排序。根 agent 不编写任何产品代码，从而让它能够自由地监控每项任务、合并已完成的工作、维持对整个重写的全局把握，同时与我们协作确定优先级和决策。我们还将生成和验证放在不同的 agent 中，因为编写代码的 agent 在评估代码时会有偏差。因此，编排器分配的每项任务都要经过四个 agent：

如果审查或验证失败，该功能会连同发现的问题一起退回给实现者；一旦两者都通过，PR 就会合并。我们正在将这种模式构建进 Prime Agent，以编排一个有限状态机工厂，让这样的工作流可以定义一次、重复使用并持续更新。

移植到 Rust 也给了我们重构代码库的机会。长期收益的很大一部分正来源于此：

虽然自主工作流走得比我们预期的更远，但一致性检查只能验证它们所覆盖的行为。一旦主 RLM 循环实现了一致性，我们就把所有重写 agent 迁移到 Rust 上，让我们能够大规模地 dogfood Rust 版本（如今 Prime Agent Rust 正在递归地自我改进！）。后来，我们将内部团队迁移到 Rust 构建版本用于日常使用，这暴露了差分测试覆盖范围之外的 bug 和缺失行为。在整个 dogfood 周期中，我们让 agent 审查所有 beta 用户的日志和轨迹，使我们能够自动诊断并解决用户发现的运行时和 agent 问题。我们还把这次重写当作重新设计部分 UX/TUI 流程和面向模型的 API 的机会。

将重写推进到发布质量，需要随后数周的后续工作，从完成功能移植、修复 bug，到改进性能和打磨界面。这些变更仍然由 Prime Agent 编写和测试，同时我们让人类参与其中，负责发现问题、指导变更并审查所有结果。

在实现功能对等后，我们希望优化 Prime Agent 在所有用户流程中的运行时性能。我们采用了与重写相同的方法：给 agent 一种衡量自身进展的客观方式。我们构建了一个基准测试框架，用于在各种运行时指标上衡量 Prime Agent 的性能，并让 Prime Agent 通过经过深思熟虑的改进来爬山优化其速度和资源占用。

性能基准测试在每次基准测试中使用全新的 4 核、8 GB Prime Sandbox，评估 Rust 和 TypeScript 版本的 Prime Agent，以及其他 agent 框架，并通过噪声检查剔除任何不稳定到无法比较的结果。Agent 在由屏幕模拟器驱动的真实终端中运行，面对脚本化的模型，因此计时反映的是用户所看到的情况，并且排除了推理时间。

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）