openJiuwen推出TTSE经验学习框架：Agent自演进进入双轨时代

为什么Agent会越用越强，却还是会被环境“绊倒”？

你的同事拿Agent整理报表，一路顺畅。同样的模型、工具、流程到了你手里，换成自己的文件，就开始反复试读、频繁返工。

模型没动，Harness也没动，只是换了个环境，为什么不灵了？

文件位置不一样、数据格式混杂、模板约束变了，原本管用的方法都可能失效。模型负责推理，Harness负责组织执行流程，可Agent还得自己判断：眼前的环境是什么样，过去的经验还适不适用？

这也暴露出Agent持续自我改进中一个常被忽视的问题：Agent不光要从任务里学会“怎么做”，还得判断这些经验在什么环境下仍然有效。

在RSI（Recursive Self-Improvement，递归自我改进）的持续优化过程中，Agent可以借助任务反馈改进执行方法、积累可复用经验。可一旦环境认知没有同步更新，过去有效的经验就可能变成新的障碍：接口条件变了，还在重试旧调用；数据格式变了，还在沿用旧规则。

一次失败，到底该改方法，还是该纠正对环境的认识？

Agent的新难题，藏着认知科学的老线索

认知科学对知识结构的研究，为区分这两类问题提供了启发：

1983年，认知科学家John R. Anderson在ACT-R相关理论研究中，系统讨论了人类知识中的两类重要形式：

陈述性知识（Declarative Knowledge）：描述“世界是什么样的”。例如，关闭的容器会遮挡内部物体，打开后才能观察。

程序性知识（Procedural Knowledge）：说的是“事情该怎么做”。比如找好几个同类东西，头一个找到之后，还得接着看别的地方有没有。

后来Larry Squire等人从神经心理学角度证实，这种分离有生物学依据：两类知识归不同脑区管，学起来快慢不一样，取用方式也不一样。

拿这个视角看Agent：摸清环境和学会做法互相牵连，可验证和更新的路子并不相同。环境判断得对照现场事实核一遍，行动方法得看它在对应条件下管不管用。两样搅在一起，就容易把碰巧做成的一步当成稳当规律，或者环境变了还照着已经失灵的办法干。

沿着这一思路，openJiuwen在RSI方向的持续探索中，进一步提出TTSE（Two-Track Self-Evolution，双轨自演进）。

在此前发布的双维度RSI框架介绍中，openJiuwen已通过Harness+Artifacts双维度优化，让Agent能够基于真实任务反馈，持续改进工作方法与交付成果。TTSE则进一步聚焦经验本身的可靠性与可复用性：不光让Agent积累有效的执行方法，还要持续校正对环境的认识，避免经验在环境变化后失效。

为此，TTSE借鉴认知科学中对陈述性知识与程序性知识的区分，将任务中获得的经验分为两条轨道：

FACT（环境事实）：持续核对和更新“这个环境是什么样的”。

TIP（条件式技巧）：持续改进“在这些条件下应该怎么做”。

TTSE双轨框架：构建反馈驱动的经验自演进闭环

分清经验的类型，只是第一步。如何让Agent从任务反馈中持续学习，并将有效经验转化为下一轮执行的改进？

RSI的核心思路也在这里：靠真实任务的反馈推动改进，再在后面的执行里反复验证、反复优化。TTSE把这套思路落到经验管理上，任务分批跑，让已有经验持续接受新证据的检验，看哪些该留、哪些该改、哪些该退，再把更新过的经验用到下一轮任务里。

框架由双轨知识表示、冷启动、在线增量演进、最终输出与评估四个部分组成，如下图所示：

① 双轨知识表示：让环境事实与执行方法各有依据

FACT管的是环境自身的属性与规律，讲究能直接验证，也讲究在适用场景里跨任务稳得住；TIP管的是特定任务条件下的做法，写成“在什么条件下、执行什么操作”的形式。

两类知识各有独立编号、呈现方式和证据追踪机制，互不混用。每条经验因此都能单独引用、核对、更新；执行出了问题，也能追到具体是哪条事实判断或哪条操作建议起了作用。

分类时，框架看经验描述的主体和作用来定，具体依据mechanism展开判断。碰上拿不准的内容，默认先归入TIP，免得把没充分验证过的操作经验当成环境事实。

② 冷启动：从首批任务中归纳初始经验。TTSE起步时规则库是空的，由Agent先执行首批任务（chunk 0），再顺着执行轨迹分别归纳FACT与TIP，把初始双轨经验库建起来。

这一阶段以归纳为主。历史规则还没参与执行，旧规则的归责与退役也就无从谈起，重点是先攒下第一批有任务证据支撑的经验，供后续演进使用。

③ 在线增量演进：在新任务中检验并修正已有经验。后续任务按批次推进，每一轮Agent先加载上一轮的FACT与TIP，带着已有经验执行当前批次，再根据执行轨迹和评估结果依次走完四个环节。

归因（Blame）：翻失败轨迹，找出可能把执行带偏的规则，为后续修正锁定对象。

退役（Retire）：把被归责的规则挪进退役池，原因、批次、时间等记录一并留下，整个调整过程可以追溯。

矛盾分析与合成（Contradict / Synthesize）：排查退役规则里的矛盾，试着找出其中隐含的适用条件，把表面冲突的经验合成为条件更明确的TIP。

归纳（Induce）：拿成功轨迹和失败轨迹对照，或者从成功轨迹里提炼有效经验，通过新增、修订、确认与移除等操作更新双轨经验库。

Blame→Retire→Contradict/Synthesize→Induce这套流程在多个任务批次之间循环跑，经验持续接受新证据的检验：对环境的认识在更新，相应条件下的执行方法也在调整。

④ 最终输出与评估：检验经验演进带来的实际收益。多轮增量演进之后，框架输出最终的FACT与TIP经验库，再放到测试任务里评估它对准确率或任务表现的影响。

这套机制的关键，是让环境事实和执行方法分开沉淀、各自可追溯，并在持续执行中接受检验和修正。Agent每做完一批任务，新的交互证据就能转成下一轮可用的经验，环境交互、知识更新、行动改进就这样一轮轮接上。

“但一个关键问题仍待回答：将环境事实与行动技巧分开演进，是否真的比传统的单轨经验管理更有效？”

从机制到实证：五大基准，验证TTSE双轨自演进的有效性

TTSE的方法论和实验结果，已在论文A Two-Track Online Self-Evolution Framework for LLM Agents中展开研究。

双轨经验机制到底管不管用，研究团队选了ALFWorld、ScienceWorld、GDPevo、SOPBench和PinchBench五个基准来评测，每项实验独立重复三次，看实际收益，也看运行稳不稳。

五大基准，呈现多维度增益

ALFWorld：成功率最高达到98.51%。GLM-5上TTSE成功率达到98.51%；DeepSeek-V3.2上成功率达到97.8%，比此前最优方法GraSP的83.6%高出14.2个百分点，任务执行步数同时减少。

ScienceWorld：任务表现显著提升。MACRO Reward从0.7204提升至0.8534，Native Success从53.08%提升至73.46%，提高20.38个百分点。

GDPevo：双轨优于单轨。完整FACT+TIP方案平均得分达到0.2616，约为零样本基线0.0947的2.8倍。只用TIP或只用FACT，表现都没赶上完整双轨方案，环境事实与行动技巧协同管理的价值由此得到验证。

SOPBench上，和贝叶斯技能管理结合后成绩继续往上走。基线总体成功率为79.15%，单轨方案升到91.59%，双轨融合方案则达到94.58%，比单轨方案又多出2.99个百分点。

PinchBench测试的是真实世界任务，增益同样稳定。团队以非侵入方式把TTSE接入OpenClaw，在147个真实端到端任务上独立运行三次。双轨方案平均得分由0.7439提高到0.7822，增加3.83个百分点。三次运行的增益方向一致，运行极差从3.33个百分点缩小到1.61个百分点。

上述结果涉及具身交互、科学推理、企业运营、工业流程以及真实世界端到端任务。可见TTSE的作用不限于某一个特定模型，也不限于单一场景。

消融实验要回答的问题更直接：双轨为什么缺一不可？

GDPevo上的消融实验给出了更直接的证据。完整双轨方案的表现，好过只记录事实或只记录技巧的单轨方案。

根源在于环境认知和行动策略分工不同。只给FACT，智能体或许清楚环境有哪些约束，却找不到合适的行动方法；只给TIP，智能体或许掌握了操作技巧，却识别不出这些技巧成立的条件。两者合在一起，才能同时回答「环境是什么样」和「在当前条件下应该怎么做」。

所以双轨设计不是把经验库简单切成两块。它要让不同类型的知识，按照各自的语义和适用条件去归纳、验证与复用。

从跨模型、跨任务到真实世界评测，实验结果一方面验证了TTSE双轨经验机制有效，另一方面也显示出RSI在经验学习层面的应用潜力：不改模型参数，Agent也能靠持续积累、验证与更新任务经验，让后续任务表现逐步改善。

这同样为TTSE从研究框架走向实际办公智能体产品，提供了实证依据。

TTSE双轨自演进落地WorkSwarm

TTSE不只在论文实验里验证了有效性，也已经正式落地到openJiuwen的WorkSwarm蜂群办公智能体。

想亲自体验TTSE，安装并启动WorkSwarm 0.2.7及以上版本，在设置中打开TTSE自演进开关，就能感受经验积累与复用带来的效率提升。

下面用两个真实办公任务，看看TTSE如何让Agent在实际执行中跑得更快、更省事。

TTSE走进真实办公场景，让经验成为效率

日常办公里，Agent已经大量用于数据清洗与分析、文档编辑与整理、报表生成、信息提取及格式转换等任务。可一旦文件结构、数据格式和业务要求变了，Agent常常得反复摸索环境、试着调用工具，重新找一遍任务的执行路径。

为直观呈现TTSE的实际效果，团队挑了两个典型办公场景——Excel数据清洗、文档与表格整理，对比Agent首次执行与注入经验之后的差别。

结果显示，两个场景都取得了程度不一的效率提升：

这些提升与模型能力的变化无关。在展示的对比任务中，Agent是借助历史执行经验，更快认清环境约束，并选出合适的处理方式。

那TTSE到底沉淀了哪些经验？又是怎么帮Agent少走弯路的？

案例一：Excel数据清洗——减少数据识别与处理试错

这类任务难的地方不止清洗数据本身，还在于找到输入文件、看出隐藏的数据格式问题，以及定下符合业务要求的去重规则。