允中发自凹非寺
量子位 | 公众号 QbitAI
Agent 越用越强，为什么还会被环境“绊倒”？
你的同事用 Agent 整理报表，一路顺畅。你用同样的模型、工具和流程，换成自己的文件，却开始反复试读、频繁返工。
模型没变，Harness 没变，换个环境，为什么就不灵了？
文件位置不同、数据格式混杂、模板约束变化，都可能让原本有效的方法失效。模型提供推理能力，Harness 组织执行流程，但 Agent 仍需判断：这里的环境是什么样的，过去的经验还适不适用？
这也揭示了 Agent 持续自我改进过程中一个容易被忽视的问题：Agent 不仅要从任务中学会“怎么做”，还要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 可以通过任务反馈改进执行方法、积累可复用经验。但如果环境认知没有同步更新，过去有效的经验也可能成为新的障碍：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，究竟该改方法，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）：描述“应该如何行动”。例如，需要寻找多个同类物体时，找到第一个之后，还应继续检查其他可能的位置。
随后，Larry Squire 等研究者从神经心理学上确认了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。
将这一视角引入 Agent，就能看到：认识环境与掌握做法，彼此关联，却需要不同的验证与更新方式。环境判断要核对是否符合现场事实，行动方法要检验在相应条件下是否有效。混淆两者，就可能把偶然成功的操作当成稳定规律，或在环境变化后继续沿用失效的方法。
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。而 TTSE 则进一步聚焦经验本身的可靠性与可复用性，不仅让 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？
这也是 RSI 的核心思路：通过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 将这一思路落实到经验管理层面，通过分批执行任务，让已有经验持续接受新证据的检验，判断哪些经验值得保留、哪些需要修正或退役，再将更新后的经验用于下一轮任务。
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 用于描述环境本身的属性与规律，强调可直接验证，以及在适用场景下的跨任务稳定性；TIP 用于描述特定任务条件下的执行方法，采用“在什么条件下，执行什么操作”的形式表达。
两类知识分别维护独立编号、呈现方式与证据追踪机制。这使每条经验都能被单独引用、核对和更新，也便于在执行出现问题时，追溯具体是哪条事实判断或操作建议产生了影响。
分类时，框架结合经验所描述的主体与作用进行判断（展开如何进行分类根据 mechanism）；难以确定的内容默认归入 TIP，降低将未经充分验证的操作经验误当成环境事实的风险。
② 冷启动：从首批任务中归纳初始经验
TTSE 从空规则库出发，由 Agent 执行首批任务（chunk 0），再根据执行轨迹分别归纳 FACT 与 TIP，建立初始双轨经验库。
这一阶段以归纳为主。由于尚无历史规则参与执行，因此不进行旧规则的归责与退役，而是为后续演进建立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
后续任务按批次推进。每一轮，Agent 加载上一轮的 FACT 与 TIP，利用已有经验执行当前批次任务，再根据执行轨迹和评估结果，依次完成四个环节：
- 归因（Blame）：分析失败轨迹，识别可能误导执行的规则，为经验修正定位对象。
- 退役（Retire）：将被归责的规则移入退役池，并保留原因、批次和时间等记录，使调整过程可追溯。
- 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 在多个任务批次间循环运行，使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其对准确率或任务表现的影响。
这套机制的核心，是让环境事实与执行方法分别沉淀、各自可追溯，并在持续执行中得到检验与修正。Agent 每完成一批任务，都能将新的交互证据转化为下一轮可使用的经验，逐步形成从环境交互到知识更新、再到行动改进的闭环。
“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。
为了验证双轨经验机制是否真正有效，研究团队在 ALFWorld、ScienceWorld、GDPevo、SOPBench 和 PinchBench 五个基准上进行了评测，每项实验均进行三次独立重复，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：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 方案的平均得分达到 0.2616，约为零样本基线 0.0947 的 2. 8 倍。仅使用 TIP 或 FACT 均未达到完整双轨方案的表现，验证了环境事实与行动技巧协同管理的价值。
- SOPBench：与贝叶斯技能管理融合后进一步提升。总体成功率从基线的 79.15% 提升至单轨方案的 91.59%，并进一步达到双轨融合方案的 94. 58%，较单轨方案额外提升 2.99 个百分点。
- PinchBench：真实世界任务中保持稳定增益。以非侵入方式将 TTSE 接入 OpenClaw，在 147 个真实端到端任务上进行三次独立运行。双轨方案平均得分从 0.7439 提升至 0.7822，增加 3. 83 个百分点；三次运行的增益方向一致，运行极差也从 3.33 个百分点降至 1.61 个百分点。
这些结果覆盖具身交互、科学推理、企业运营、工业流程及真实世界端到端任务，表明 TTSE 的价值并不局限于某个特定模型或单一场景。
消融实验进一步回答：为什么必须双轨？
GDPevo 的消融实验提供了更直接的证据：完整双轨方案优于只记录事实或只记录技巧的单轨方案。
原因在于，环境认知与行动策略承担着不同的职责。只有 FACT，智能体可能知道环境的约束，却缺少合适的行动方法；只有 TIP，智能体可能掌握操作技巧，却无法准确识别这些技巧成立的条件。只有将两者结合，才能同时回答「环境是什么样」和「在当前条件下应该怎么做」。
因此，双轨设计并非简单地将经验库拆成两部分，而是让不同类型的知识，按照各自的语义和适用条件进行归纳、验证与复用。
从跨模型、跨任务到真实世界评测，实验结果不仅验证了 TTSE 双轨经验机制的有效性，也进一步展示了 RSI 在经验学习层面的应用潜力：Agent 可以在不改变模型参数的情况下，通过持续积累、验证与更新任务经验，逐步改善后续任务表现。
这也为 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 不仅在论文实验中验证了有效性，也已正式落地 openJiuwen 的 WorkSwarm 蜂群办公智能体。
想亲自体验 TTSE？只需安装并启动 WorkSwarm 0.2.7 及以上版本，在设置中开启 TTSE 自演进开关，即可体验经验积累与复用带来的效率提升。
接下来，通过两个真实办公任务，一起来看看 TTSE 如何让 Agent 在实际执行中变得更快、更高效。
TTSE 走进真实办公场景，让经验成为效率
在日常办公中，Agent 已广泛应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。然而，面对不同的文件结构、数据格式和业务要求，Agent 往往需要反复探索环境、尝试工具调用，并重新摸索任务的执行路径。
为了直观展示 TTSE 的实际效果，团队选取了 Excel 数据清洗和文档与表格整理两个典型办公场景，对比 Agent 在首次执行与注入经验后的表现。
从结果可以看到，两个场景均取得了不同程度的效率提升：
这些提升并非来自模型能力的变化，而是在所展示的对比任务中，Agent 能够利用历史执行经验，更快识别环境约束并选择合适的处理方式。
那么，TTSE 究竟沉淀了哪些经验，又是如何帮助 Agent 减少试错的？
案例一：Excel 数据清洗——减少数据识别与处理试错
这类任务的难点不只是清洗数据，还包括定位输入文件、识别隐藏的数据格式问题，以及确定符合业务要求的去重规则。
首次执行时，Agent 没有可复用的任务经验，需要自行探索输入文件位置、判断数据格式，并推导重复记录的处理规则。整个过程共发生 57 次工具调用，其中 3 次失败；总耗时 6 分 22 秒。
任务结束后，TTSE 从真实执行轨迹中提炼出可复用的任务经验。它们不再只是对过去操作的记录，而是能够直接影响下一次执行的决策依据：
- 快速定位输入素材。当用户没有明确说明文件位置时，优先检查 workspace/input，直接寻找上游文件，避免在无关的任务目录中反复探索，也省去不必要的用户追问。
- 深入识别数据问题。面对 Excel 中看似正常的日期、金额和文本，直接使用 openpyxl 检查原始存储值，识别文本型日期、货币符号、尾随空格等隐蔽问题，减少因读取方式不当导致的遗漏。
- 复用经过验证的去重规则。按业务字段进行分组，保留最早日期记录，并记录删除数量，不再从头推导去重口径，减少重复判断与试错。
再次执行相似任务时，这些经验直接参与工具选择与处理决策。工具调用降至 20 次，失败调用降至 1 次，总耗时缩短至 1 分 48 秒。
案例二：文档与表格整理——减少文件探索与格式试错
与 Excel 数据清洗不同，这类任务的主要难点在于文件位置未知、CSV 编码与分隔符不明确，以及 Word 模板结构复杂。首次执行时，Agent 需要逐步探索文件、识别格式，并确定合适的模板处理方式。
在文档与表格整理任务中，Agent 首次执行耗时 1 分 49 秒，共调用工具 27 次，发生 2 次工具调用失败。任务完成后，TTSE 从真实执行轨迹中沉淀出一组环境事实与操作技巧。
再次执行时，Agent 不再从零开始探索文件目录、试探 CSV 的读取方式，也不必等到文档生成后才发现模板替换问题。它能够直接复用已验证的环境经验，提前选择更合适的工具和处理路径。
第二次执行耗时缩短至 1 分 26 秒，工具调用降至 18 次，失败次数降至 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%。
相比简单地记住过去执行过哪些操作，TTSE 更进一步，让 Agent 同时积累对环境的认识，以及在特定条件下有效的执行方法。
从经验积累到能力提升，关键在于正确复用。
两个办公案例展示了 TTSE 在实际任务中的应用价值：Agent 不必每次都从零探索，而是能够将历史任务中验证有效的经验，转化为后续执行的参考依据。
这正是 RSI 希望实现的持续改进方式：让每一次任务执行不仅产生交付成果，也有机会为下一次执行积累有效经验。TTSE 则通过 FACT 与 TIP 的双轨机制，让这种经验积累更加可验证、可更新和可复用。
然而，这些收益是否只存在于特定任务中，还是能够在更广泛的办公任务中得到体现？
TTSE 在办公基准中展现综合收益
为了进一步评估 TTSE 在综合办公场景中的表现，团队在业界开源榜单 WorkBuddy Office Bench 上对 WorkSwarm 接入 TTSE 的效果进行了测试。
其不仅在任务表现上有所提升，同时也有效降低了 Token 消耗与工具调用开销：评测结果显示，相较原生效果，任务表现提升 3.81%，并且在输入 Token 消耗上降低 1.70%，在输出 Token 消耗上降低 30.09%，平均工具调用次数减少 2 次。
我们正处在 Agent 从「一次性工具」走向「持续进化伙伴」的拐点。
RSI 的核心价值，不只是让 Agent 完成更多任务，而是让它能够从每一次真实执行中获得反馈、积累经验，并将这些经验转化为持续改进的能力。
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 正在探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。
TTSE 为其中的经验自演进提供了一种可验证、可追溯的实现机制，这让 Agent 不仅学会“怎么做”，还能理解“在什么环境下这样做才有效”，并在一次次任务执行中不断完善自身。
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 已在 WorkSwarm 0.2.8 版本上线，感兴趣的用户可前往官网一键下载，开启经验自演进，立即体验：
WorkSwarm 立即体验：
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，欢迎在评论区聊聊：
你觉得 Agent 最该「记住」的，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。
