允中 发自 凹非寺

Agent越用越顺手，怎么还会被环境“绊倒”？

同事拿Agent整理报表，一路顺畅。你用的是同一个模型、同一套工具、同一个流程，只把文件换成自己的，就开始反复试读、频繁返工。

模型没变，Harness也没变，换个环境，为什么就不灵了？

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

这也点出了Agent持续自我改进中一个常被忽略的问题：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依然有效。

在RSI（Recursive Self-Improvement，递归自我改进）的持续优化过程中，Agent能借助任务反馈改进执行方法、积累可复用经验。可要是对环境认知没有同步更新，原先有效的经验反而会变成新障碍：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）：讲的是“动作该怎么做”。比如要找好几个同类物件，碰上第一个之后，还得接着排查其他可能出现的地方。

后来，Larry Squire等研究者从神经心理学上确认，这种分离有生物学基础——两类知识由不同脑区负责，学习速率和提取方式都不同。

换成Agent的视角来看，认识环境和掌握做法这两件事相互牵连，可验证和更新的路子并不一样。环境判断得看跟现场情况对不对得上，行动方法则要看在对应条件下管不管用。把这两者搅在一起，就容易出问题：要么把碰巧做成的操作当成可靠规律，要么环境变了还抱着已经失灵的办法不放。

顺着这条思路，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则把重点放在经验本身的可靠性与可复用性上：不只让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借鉴认知科学对陈述性知识与程序性知识的区分，把任务中获得的经验分成两条轨道：

• 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。怎么让Agent从任务反馈中持续学习，并把有效经验转化为下一轮执行的改进？

这同样是RSI的核心思路：靠真实任务反馈驱动改进，并在后续执行中不断验证和优化。TTSE把这一思路落到经验管理层面，通过分批执行任务，让已有经验持续接受新证据的检验，判断哪些值得保留、哪些需要修正或退役，再把更新后的经验用于下一轮任务。

该框架包含四块内容：双轨知识表示、冷启动、在线增量演进，以及最终输出与评估，具体结构见下图：

① 双轨知识表示：环境事实与执行方法各有所本

其中，FACT刻画的是环境自身的属性与规律，看重的是能否直接验证，以及在适用场景下跨任务是否稳定；TIP则针对特定任务条件下的执行方法，用“在什么条件下，执行什么操作”的形式来表述。

这两类知识各自拥有独立的编号、呈现方式和证据追踪机制。于是每条经验都能单独引用、核对与更新；执行一旦出问题，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，框架依据经验所描述的主体和作用来判定（展开如何进行分类根据mechanism）；碰上难以确定的内容，默认归入TIP，以降低把未经充分验证的操作经验误当作环境事实的风险。

② 冷启动：从首批任务中归纳初始经验

TTSE起步于空规则库，先由Agent执行首批任务（chunk 0），再依据执行轨迹分别归纳出FACT与TIP，从而建立初始的双轨经验库。

这一阶段以归纳为主。由于执行时还没有历史规则参与，旧规则的归责与退役并不进行，重点是为后续演进攒下第一批有任务证据支撑的经验。

③ 在线增量演进：在新任务中检验并修正已有经验

之后的任务按批次推进。每一轮里，Agent先加载上一轮的FACT与TIP，借助已有经验执行当前批次任务，再根据执行轨迹和评估结果，依次走完四个环节：

• 归因（Blame）：分析失败轨迹，找出可能误导执行的规则，为经验修正锁定对象。
• 退役（Retire）：把被归责的规则移入退役池，同时保留原因、批次和时间等记录，让调整过程可追溯。
• 矛盾分析与合成（Contradict / Synthesize）：检查退役规则中的矛盾，尝试识别其中隐含的适用条件，将看似冲突的经验合成为条件更明确的TIP。
• 归纳（Induce）：对比成功与失败轨迹，或从成功轨迹中提炼有效经验，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这一串环节在多个任务批次间循环运行，让经验持续接受新证据的检验：既更新对环境的认识，也调整相应条件下的执行方法。

④ 最终输出与评估：检验经验演进带来的实际收益

经过多轮增量演进，框架输出最终的FACT与TIP经验库，并在测试任务中评估它对准确率或任务表现的影响。

环境事实和执行方法各管各的，分别留存、都能追溯，再在实际执行中不断被验证和调整。Agent 每做完一批任务，就能把新产生的交互证据变成下一轮能用的经验，这样一路走下来，环境交互推动知识更新，知识更新再反过来改进动作。

“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的方法论与实验结果已在论文A Two-Track Online Self-Evolution Framework for LLM Agents中展开研究。

双轨经验机制是否真的有效？研究团队为此在ALFWorld、ScienceWorld、GDPevo、SOPBench和PinchBench五个基准上做了评测，每项实验均独立重复三次，以考察方法的实际收益与运行稳定性。

五大基准，呈现多维度增益

• ALFWorld：成功率最高达到98.51%。在GLM-5上，TTSE成功率达到98.51%；在DeepSeek-V3.2上，成功率达到97.8%，较此前最优方法GraSP的83.6% 提升14.2个百分点，同时减少任务执行步数。
• ScienceWorld上的任务表现有明显提升：MACRO Reward由0.7204升到0.8534，Native Success从53.08%提高到73.46%，涨了20.38个百分点。
• GDPevo的结果显示，双轨压过单轨。完整FACT+TIP方案平均得分0.2616，接近零样本基线0.0947的2.8倍。相比之下，单用TIP或单用FACT都没达到完整双轨方案的水平，环境事实与行动技巧两者协同管理的价值由此得到验证。
• SOPBench与贝叶斯技能管理融合后又有进步：总体成功率先是自基线79.15%升至单轨方案的91.59%，接着提高到双轨融合方案的94.58%，比单轨方案多出2.99个百分点。
• PinchBench考察真实世界任务，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跑三次。双轨方案平均得分从0.7439升至0.7822，增加3.83个百分点；三次运行的增益方向一致，运行极差则由3.33个百分点收窄到1.61个百分点。

上述结果分布在具身交互、科学推理、企业运营、工业流程以及真实世界端到端任务上，说明TTSE的价值不限于某一个特定模型，也不限于单一场景。

那为什么非得双轨不可？消融实验给出了更直接的回答。

GDPevo的消融实验就摆出了证据：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。

说到底，环境认知和行动策略各管一摊。单有FACT，智能体或许清楚环境有哪些约束，却拿不出合适的行动方法；单有TIP，智能体或许掌握操作技巧，却判断不准这些技巧在什么条件下才成立。两者合到一起，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半，它让不同类型的知识按各自的语义和适用条件去归纳、验证、复用。

从跨模型、跨任务到真实世界评测，这批实验结果一方面验证了TTSE双轨经验机制的有效性，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、验证和更新任务经验，让后续任务表现一点点变好。

这也给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的有效性不只在论文实验里得到验证，它已经正式落地到openJiuwen的WorkSwarm蜂群办公智能体。

想亲自体验TTSE，装好WorkSwarm 0.2.7及以上版本并启动，在设置里打开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怎么让Agent在实际执行中跑得更快、更省力。

TTSE走进真实办公场景，让经验成为效率

日常办公里，Agent已经广泛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。可一旦碰上不同的文件结构、数据格式和业务要求，Agent往往要反复摸索环境、试错工具调用，再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Excel数据清洗、文档与表格整理两个典型办公场景，对比Agent首次执行与注入经验之后的差别。

结果显示，两个场景都取得了不同程度的效率提升：

这些提升不是模型能力变了，而是在所展示的对比任务中，Agent能借助历史执行经验更快认清环境约束，并挑出合适的处理方式。

那么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

这类任务难的不只是清洗数据。定位输入文件、识别隐藏的数据格式问题、确定符合业务要求的去重规则，同样都是坎。

首次执行时，Agent手头没有可复用的任务经验，只能自己去找输入文件位置、判断数据格式、推导重复记录的处理规则。整个过程中工具调用共57次，其中3次失败，总耗时6分22秒。

任务一结束，TTSE便从真实执行轨迹里提取可复用的任务经验。这些经验已不只是对以往操作的记录，而成了能直接左右下一次执行的决策依据：

• 迅速找到输入素材。用户没讲明文件放在哪儿时，先查workspace/input，直接找上游文件，省得在无关的任务目录里来回摸索，也免去不必要的用户追问。
• 把数据问题看透。Excel里的日期、金额、文本看着正常，也要用openpyxl直接查原始存储值，揪出文本型日期、货币符号、尾随空格这类隐蔽毛病，减少读取方式不当造成的遗漏。
• 去重规则经过验证，直接拿来用。按业务字段分组，保留最早日期记录，同时记下删除数量，不必从头推导去重口径，重复判断和试错都少了。

再遇到相似任务，这些经验会直接参与工具选择和处理决策。工具调用降到20次，失败调用降到1次，总耗时缩短到1分48秒。

案例二：文档与表格整理——少走文件探索和格式试错的弯路

这类任务跟Excel数据清洗不一样，难点主要在文件位置不明、CSV编码与分隔符不清楚，Word模板结构也复杂。首次执行时，Agent得一步步找文件、认格式，再确定合适的模板处理方式。

在文档与表格整理这项任务上，Agent 第一次跑完用了 1分49秒，期间调用工具 27 次，有 2 次没成功。任务结束后，TTSE 从真实执行轨迹里整理出一批环境事实和操作技巧。

第二次执行时，Agent不用再从零翻文件目录、试探CSV怎么读，也不必等文档生成后才发现模板替换有问题。它可以直接复用已验证的环境经验，提前挑好工具和处理路径。

第二次执行耗时降到1分26秒，工具调用减至18次，失败次数减至1次。整体耗时缩短约21.1%，工具调用减少33.3%，失败调用减少50%。

跟单纯记住过去执行过哪些操作相比，TTSE走得更远：它让Agent一边积累对环境的认识，一边积累在特定条件下有效的执行方法。

经验攒下来，能力要提升，关键在能不能正确复用。

两个办公案例说明了TTSE在实际任务中的用处：Agent不必每次都从零摸索，可以把历史任务中验证有效的经验，变成后续执行的参考依据。

这正是RSI想实现的持续改进方式：每次任务执行不光产出交付成果，也有机会给下一次执行攒下有效经验。TTSE则靠FACT与TIP的双轨机制，让这种积累更可验证、可更新、可复用。

不过，这些收益是只在特定任务里成立，还是能在更广的办公任务中体现出来？

TTSE在办公基准中的综合收益

为评估TTSE在综合办公场景中的表现，团队在业界开源榜单WorkBuddy Office Bench上测试了WorkSwarm接入TTSE后的效果。

任务表现有提升，Token消耗与工具调用开销也降了下来：评测结果显示，相较原生效果，任务表现提升3.81%，输入Token消耗降低1.70%，输出Token消耗降低30.09%，平均工具调用次数减少2次。

写在最后

Agent正从「一次性工具」走向「持续进化伙伴」，我们处在这样一个拐点上。

RSI的核心价值在于让Agent从每一次真实执行中获得反馈、积累经验，并把这些经验转化为持续改进的能力，而不只是让它完成更多任务。

从Harness与Artifacts的双维度优化，到TTSE对环境事实与执行技巧的双轨演进，openJiuwen正在摸索让智能体持续自我改进的不同路径：既能优化工作方法与交付成果，也能不断校正环境认知、沉淀可靠经验。

这些经验怎么自我演进？TTSE 给出的办法可以验证，也能追溯。靠着它，Agent 学到的不只是“怎么做”，还弄明白了“在什么环境下这么做才管用”，并且随着一次次任务执行不断把自身补全。

经验不该是过眼云烟。让Agent既学会「怎么做」，更学会「世界是什么样」，这是它走向长期自主的第一课。

学术论文：TTSE: A Two-Track Online Self-Evolution Framework for LLM Agents 论文原文： https://arxiv.org/pdf/2609.24289

TTSE 双轨演进 Rail 已随 WorkSwarm 0.2.8 版本上线。想试的用户去官网就能一键下载，直接开始经验自演进，上手体验。

WorkSwarm 体验入口： https://openjiuwen.com/workswarm GitHub 代码仓： https://github.com/openJiuwen-ai/ AtomGit 代码仓： https://atomgit.com/openJiuwen/

如果你也在做 Agent、LLM 自演进、记忆与技能系统相关的工作，不妨在评论区说说你的做法。

对 Agent 来说，最该「记住」的究竟是一个技巧，还是一条关于环境的规律？

*本文系量子位获授权刊载，观点仅为原作者所有。