Agent自演进进入双轨时代，openJiuwen发布TTSE框架区分环境事实与条件技巧

当同一Agent在不同用户环境中表现迥异——同事整理报表流畅无误，自己却反复返工——问题往往不在模型能力本身，而在经验的适用边界模糊。这一现象正推动Agent自演进研究进入新阶段：从单一线性优化转向对“经验类型”的精细化管理。openJiuwen近期发布的TTSE（Two-Track Self-Evolution，双轨自演进）框架，正是对此问题的系统性回应。

TTSE的核心洞见源于认知科学：人类知识天然分为两类——陈述性知识（Declarative Knowledge），即“世界是什么样的”，如“关闭的容器遮挡内部物体”；与程序性知识（Procedural Knowledge），即“应该如何行动”，如“找到第一个目标后继续搜索其余位置”。神经心理学研究证实，这两类知识由不同脑区处理，学习与更新机制亦不相同。将此框架迁移至Agent设计，意味着必须区分两类经验：对环境的认知（FACT）与在特定条件下的操作策略（TIP）。

在TTSE框架中，FACT轨道持续核验“当前环境是否仍符合原有假设”，例如文件路径结构、数据字段命名规则或API接口版本；TIP轨道则聚焦“在已确认的环境条件下，如何更高效执行任务”，如解析Excel模板的规则链、调用第三方服务的重试逻辑。二者通过分类机制联动：当某次任务失败时，系统首先判断是环境认知偏差（FACT需修正），还是动作策略失效（TIP需迭代）。若混淆两者，可能导致将偶然成功归因为稳定规律，或在环境变更后固守过时方法。

该框架落地为四阶段闭环流程：

为验证效果，openJiuwen在ALFWorld、ScienceWorld、GDPevo、SOPBench与PinchBench五大基准上进行对比测试。结果显示，TTSE相较单轨基线（仅TIP或仅FACT）实现显著提升：在ALFWorld上成功率从83.6%升至98.51%，提升14.2个百分点；在SOPBench整体成功率达94.58%，较单轨高2.99个百分点；PinchBench均分提升3.83pp，且三轮测试结果稳定。尤其值得注意的是，在GDPevo零样本场景下，FACT+TIP组合以0.2616的均分超越FACT-only（0.1918）与TIP-only（0.2380），印证了双轨协同对泛化能力的增强作用。

与此同时，另一家专注Agent原生模型研发的公司基元律动（TokenRhythm）也在推进递归自我改进（RSI）的深化实践。11月9日，其发布NeoHorse-1.5-Flash Preview模型，基于Qwen3.8-Flash训练，总参数180B、激活参数6B，重点强化任务执行与软件工程能力，目前开放限量内测。

该版本被团队称为RSI机制的“第二圈”迭代：继9月发布NeoHorse-1后，公司将前代模型重新投入真实任务池运行，收集执行反馈并用于新一轮训练。训练规模亦从首轮的4B、9B扩展至Flash级别，体现对算力与数据效率的更高要求。

围绕RSI训练，基元律动提出三项关键技术：

• 多模型差分诊断：通过多个模型并行执行同一任务，比对其输出差异以定位能力短板；
• 对抗式环境进化：构建环境进化引擎，持续生成边缘案例与分布偏移任务，防止模型陷入“舒适区”；
• 群体智能在线学习：利用模型输出与融合结果之间的偏差信号，驱动在线微调，将执行框架中的比较信息转化为训练梯度。

公开演示案例显示，面对网页表格任务，基座模型常出现公式报错，而NeoHorse-1.5-Flash不仅能正确输入公式、计算结果，还支持交互式单元格编辑；在量子物理计算与机器人装配参数求解等复杂场景中，模型展现出更强的计算验证与交付完整性。

这两条技术路径虽出发点不同，但指向同一深层挑战：Agent的“经验”不能简单等同于“技能积累”，而需具备语境感知与动态校准能力。过去RSI侧重于“越做越好”，如今则强调“越用越懂何时该变”。正如认知科学所揭示，人类的学习从来不是单一维度的重复强化，而是陈述性与程序性知识的协同演化。

当前，行业正从“能否完成任务”迈向“能否稳定可靠地完成任务”。TTSE框架提供了一种结构化经验管理范式，而NeoHorse系列则展示了大规模模型如何通过真实反馈闭环实现能力跃迁。二者共同表明：Agent的自演进已不再满足于单点优化，而是进入对知识类型、环境适应性与反馈机制进行系统建模的新阶段。

未来，随着更多机构加入RSI探索，经验的可信度评估、跨环境迁移的边界界定、以及FACT/TIP的自动分类精度，将成为关键竞争维度。一个真正成熟的Agent，不仅应知道“怎么做”，更应清醒认知“在什么情况下这么做才有效”。