openJiuwen双轨自演进框架：Agent换环境为何失灵？

换个文件夹，Agent怎么就干不了活了？

同样的模型、同样的提示词，同事拿它整理报表一路顺风顺水，你换用自己的数据文件，它却开始犯迷糊——文件找不到，编码读错，连简单的去重逻辑都来回打转。

模型没换，工具链（Harness）也没换，那毛病到底出在哪儿？

答案指向环境。文件位置一挪、数据里掺进几个奇怪的隐藏字符、模板约束稍有出入，这些不起眼的差异就足以让原本管用的执行策略失灵。现有Agent多数只盯着“怎么做”，也就是程序性知识，对“当下环境是什么样的”这类陈述性知识并不上心。环境一旦变了，Agent对环境的认知没能跟着更新，从前成功的经验反倒成了绊脚石。接口参数改了，它还在重试旧调用方式；数据格式从CSV换成Excel，它仍拿文本解析规则硬套。

这种时候，Agent缺的不只是一条新指令，它得先判断：这回失败，是我操作不对，还是我把环境看错了？

围绕这一难题，openJiuwen在递归自我改进（RSI）研究中给出了新框架TTSE（Two-Track Self-Evolution，双轨自演进）。思路不复杂：把“认识世界”和“掌握技能”拆开处理，让Agent既会做事，也能看懂环境。

借鉴脑科学，给Agent配两块“内存”

TTSE的设计灵感取自认知科学。1983年，John R. Anderson在ACT-R理论中提出，人类知识可以分成两类：

1. 陈述性知识（Declarative Knowledge）：讲的是“世界是什么”的事实。像“关闭的盒子看不见里面”“这个文件夹通常放输入文件”都属此类。
2. 程序性知识（Procedural Knowledge）：讲的是“怎么做”的技能。比如“要找多个同类物体，找到一个后继续检查其他位置”“遇到日期格式错误先尝试转换再读取”。

神经心理学研究已经证实，这两类知识由大脑不同区域分管，学习速度和提取方式也各不相同。把这套逻辑套到Agent身上，现有系统的短板就露出来了：不少Agent把环境信息和操作技巧混在一起存，环境一变，它分不清该改操作，还是该改对环境的理解。

于是TTSE搭起两条各自独立的知识轨道：

• FACT（环境事实）：记录环境的属性与规律，看重可验证性和稳定性。例如“workspace/input目录通常包含上游文件”。
• TIP（条件式技巧）：记录特定条件下的操作方法，格式一般是“在什么条件下，执行什么操作”。例如“如果检测到文本型日期，先使用openpyxl读取原始值再转换”。

两类知识各有独立的编号、存储方式和证据追踪机制。好处在于，任务失败时系统能精准定位：是刚才对环境判断错了（FACT有误），还是操作步骤出了问题（TIP无效）。

TTSE怎么运转：从冷启动到在线演进

TTSE并非静态知识库，而是一个动态闭环系统，靠分批执行任务、不断用新证据检验旧经验来运转。整个流程分成四个阶段：

1. 冷启动：从零攒出初始经验

刚起步时，Agent手上没有任何规则。它先跑一批任务（Chunk 0），做得怎么样都无所谓，系统会分析执行轨迹，从中归纳出初步的FACT和TIP。这一步干的是“从无到有”的活，建立起第一批有证据支撑的经验库。

2. 在线增量演进：在实战中修正

之后的任务按批次推进。每一轮，Agent都加载上一轮攒下的FACT和TIP来指导当前任务。任务收尾后，系统进入核心的“反思”环节，依次走四步：

• 归因（Blame）：任务失败时，分析是哪条规则把Agent带偏了——是它误判了文件格式，还是选错了工具？
• 退役（Retire）：被判定有错的规则会挪进“退役池”，原因和时间一并记下。这样错误就不会无限堆积。
• 矛盾分析与合成（Contradict/Synthesize）：有时两条规则看着打架，一条说“用A方法”，另一条说“用B方法”。系统会去分析背后的条件，也许会发现A适用于情况X、B适用于情况Y，进而合成一条更精确的条件式技巧。
• 归纳（Induce）：把成功和失败的轨迹放到一起比对，从中总结出新的管用经验，再写进FACT或TIP库里。

“归因-退役-合成-归纳”这一圈走下来，Agent的经验库就跟着变，跟生物进化差不多——合用的留下，不合用的被清掉。

3. 最终输出与评估

这样演进若干轮之后，系统把最终的FACT库和TIP库输出，再拿到独立的测试集上跑一遍看效果。这里的重点是经验得能追溯：每条规则都清楚自己从哪来、被哪些任务验证过。

实验数据：双轨确实比单轨强

只讲理论显然不够，效果才是硬指标。研究团队挑了ALFWorld、ScienceWorld、GDPevo、SOPBench和PinchBench这五个主流基准来做测试，结果挺清楚：

• ALFWorld（具身交互）：在GLM-5模型上，TTSE的成功率做到了98.51%，比此前最优的GraSP（83.6%）高出14.2个百分点。更关键的是，那些没必要的探索步数也少了。
• ScienceWorld（科学推理）：MACRO Reward由0.72升到0.85，原生成功率则从53%涨到73%。面对复杂逻辑时，Agent如果对环境认得清，弯路自然就少走。
• GDPevo（消融实验关键）：这个基准就是专门拿来验证双轨到底有没有必要的。完整FACT+TIP方案拿下0.2616分，是零样本基线（0.0947）的2.8倍。只上TIP（光记技巧）或者只上FACT（光记事实），效果都跟双轨结合差得远。这说明“知道环境”和“知道做法”两样都不能缺。
• SOPBench（工业流程）：接上贝叶斯技能管理后，双轨方案成功率到了94.58%，比单轨方案又高出将近3个百分点。
• PinchBench（真实端到端任务）：147个真实任务里，双轨方案平均得分提高了3.83%，跑起来也更稳，极差由3.33%收窄到1.61%。

对抗游戏、科学实验、企业流程这些不同场景都被这批数据覆盖到了，可见TTSE并非只对某个特定任务管用的“偏方”，而是一套通用的经验管理机制。

落地实测：Excel清洗快了三倍

理论再漂亮，也得看实际办公里打不打得动。TTSE目前已经装进openJiuwen的WorkSwarm蜂群办公智能体（0.2.7及以上版本）。下面看两个真实办公场景的对比。

案例一：Excel数据清洗

难点在哪：文件位置没说清，数据里混着隐藏的文本型日期、货币符号和尾随空格；去重还得按业务字段分组，保留最早日期。

• 头一回跑（没有经验）：Agent完全是个新手，先满电脑翻文件，再一种种读取方式挨个试，连去重逻辑都从头推了一遍。最后调用工具57次，失败3次，花了6分22秒。

• 再跑一次（注入TTSE经验）：Agent直接拿之前攒下的经验来用：

  • FACT：“用户没说位置时，优先查workspace/input”。
  • TIP：“遇到日期异常，用openpyxl读原始值”。
  • TIP：“按业务字段分组去重，保留最早记录”。

  这回工具调用降到20次，失败1次，耗时压到1分48秒，效率差不多翻了3倍。

案例二：文档与表格整理

难点在于：CSV编码不明，Word模板结构复杂，文件还散落在不同目录里。

• 首次执行时，Agent需要一步步试探文件编码，生成文档后才发现模板替换有误，只好回头再改。这一趟用掉1分49秒，工具调用27次，失败2次。
• 到了再次执行，Agent直接套用已经验证过的路径和编码处理方式，提前避开模板陷阱。耗时1分26秒，工具调用18次，失败1次。整体用时缩短21%，工具调用减少33%。

两个案例说明，TTSE带来的提升并非模型变聪明了，而是不再重复踩坑。第一次执行付出的“试错成本”，被它转成了第二次执行的“经验红利”。

不只是省Token，更是认知的升级

在WorkBuddy Office Bench的综合评测里，接入TTSE的WorkSwarm任务表现提升3.81%，输出Token消耗降低30.09%。Agent说话更简练，操作更精准，不再啰嗦地尝试无效路径。

过去很长一段时间，Agent被当成一次性工具：用完即走，不留痕迹。TTSE却展示出另一种可能：Agent能成为持续进化的伙伴，不只完成任务，还能从任务中学习。这种学习不是简单的记忆回放，而是对环境和技能的结构性理解。

对开发者来说，TTSE的价值在于提供了一套可验证、可追溯的经验管理机制。环境微调之后，Agent不会再彻底“失忆”或“混乱”。对用户来说，这意味着智能体越用越顺手：它记得你的文件习惯，记得那些隐蔽的数据陷阱，也记得什么情况下该用什么工具。

当然，TTSE也不是万能药。它要靠足够的任务反馈来迭代经验。冷启动阶段，或者面对完全陌生的全新环境，Agent仍然需要一定的探索时间。

但随着任务量积累，这种双轨机制的优势会越来越明显。未来RSI技术成熟后，类似TTSE的框架可能会更多出现。它们追求的不再只是单次任务的准确率，而是Agent长期的认知成长。说到底，一个真正智能的助手，不该每次都像第一天上班那样手足无措。

如果你对Agent的记忆机制感兴趣，不妨想一想：在你的工作流中，Agent最应该记住的，是一个具体的操作技巧，还是一条关于你工作环境的规律？