openJiuwen 正式发布 TTSE（Two-Track Self-Evolution，双轨自演进）经验学习框架，标志 Agent 自演进技术进入双轨时代，这套框架把智能体学到的经验拆成环境事实、条件技巧两条独立轨道分开更新，解决过去 Agent 容易把偶然成功当成稳定规律、环境一变就失效的通病。以往很多 Agent 自演进方案是把经验混在一起统一优化，当外部环境、规则发生变化时，旧的操作技巧和已经过时的环境认知绑在一起，很容易持续出错、越学越偏，TTSE 借鉴认知科学里陈述性知识、程序性知识的区分思路，让两条轨道各自校验、独立迭代。FACT 轨道负责持续核对、更新环境事实，也就是 Agent 对当前环境、约束、现状的认知；TIP 轨道负责沉淀、迭代条件式技巧，也就是在特定条件下该执行什么动作，两条轨道互相参照但分开校验，一条出错不会直接污染另一条的经验库。整套 TTSE 框架基于 openJiuwen 原有 RSI 递归自改进体系升级，已经落地在 WorkSwarm 多智能体集群里，从任务执行轨迹里自动归纳经验，静默整理经验库，还可以配置开关控制轨迹归纳、经验注入等能力。落地使用的时候，开发者先开启 TTSE 模块，采集 Agent 全链路执行轨迹，系统自动拆分 FACT 和 TIP 两条经验，分别做有效性校验，通过验证的经验存入经验库，后续任务启动时自动召回相关经验辅助决策，同时持续淘汰过时、失效的经验。TTSE 双轨模式让 Agent 的自演进更稳健，适合长周期、环境会动态变化的复杂任务，但是它依赖高质量的任务轨迹和反馈信号，反馈信号不准的时候，两条轨道都会学到错误经验。
一、TTSE 双轨核心定义清单
- FACT（环境事实轨道）：维护环境客观信息、规则、边界、状态，持续校验事实是否还成立
- TIP（条件技巧轨道）：维护 “满足 XX 条件时，执行 XX 动作” 的条件式操作经验，验证动作有效性
- 底层基座：openJiuwen RSI 递归自改进框架
- 落地载体：JiuwenSwarm WorkSwarm 多智能体集群
- 核心机制：轨迹归纳、经验校验、经验注入、Auto-dream 静默整理经验库
二、传统单轨自演进 vs TTSE 双轨自演进对比表
| 对比项 | 传统单轨 Agent 自演进 | openJiuwen TTSE 双轨自演进 |
|---|---|---|
| 经验存储方式 | 事实、操作技巧混合存储 | 拆分为 FACT 事实、TIP 技巧两条独立轨道 |
| 校验逻辑 | 统一校验，事实和操作互相绑定 | 分开校验，事实失效不会直接废掉操作经验 |
| 环境变动适应性 | 环境一变，整套经验容易失效 | 只更新 FACT 事实，成熟 TIP 技巧可以保留复用 |
| 风险 | 容易把偶然成功固化为经验 | 两条轨道交叉验证，降低错误经验扩散 |
| 适用场景 | 静态、规则固定的任务 | 长周期、动态变化、环境会迭代的复杂任务 |
三、TTSE 框架运行流程简表
| 流程环节 | 具体工作内容 |
|---|---|
| 轨迹采集 | 开启 TTSERail，采集 Agent 完整任务执行轨迹、反馈结果 |
| 经验拆分 | 自动从轨迹中归纳，分离出 FACT 环境事实与 TIP 条件技巧 |
| 独立校验 | 分别验证事实是否真实、操作技巧在对应条件下是否有效 |
| 经验入库 | 通过校验的经验存入经验库，过期、失效经验标记淘汰 |
| 经验注入 | 新任务启动时，召回匹配的 FACT、TIP 经验，写入 Agent 上下文 |
| 静默优化 | Auto-dream 定时复盘存量经验，持续清理无效、冲突经验 |
四、TTSE 落地关键配置项清单
- react.ttse.enabled：总开关，控制是否启用 TTSE 双轨自演进
- react.ttse.evolve_enabled：是否开启从执行轨迹自动归纳经验
- react.ttse.inject_enabled：是否把召回的经验注入 Agent 提示词
- react.ttse.dream_enabled：是否开启 Auto-dream 静默整理经验库
- 向量检索：支持 Embedding 混合召回或者 BM25 召回经验
【相关 FAQ】
问题 1：openJiuwen 首发的 TTSE 经验学习框架，为什么叫 Agent 自演进的双轨时代？
回答 1：openJiuwen TTSE 经验学习框架把 Agent 自演进经验拆成 FACT 环境事实、TIP 条件技巧两条独立轨道分开迭代校验，和过去混合式单轨演进区分开，所以行业称 Agent 自演进正式驶入双轨时代。
问题 2：TTSE 经验学习框架的 FACT 轨道和 TIP 轨道，分别负责什么？
回答 2：TTSE 经验学习框架里 FACT 轨道负责持续核对更新环境客观事实，TIP 轨道负责沉淀、迭代条件式操作技巧，两条轨道独立校验，实现稳健的 Agent 自演进。
问题 3：TTSE 双轨自演进框架是独立新项目吗，和 openJiuwen 原有 RSI 是什么关系？
回答 3：TTSE 经验学习框架不是独立项目，是 openJiuwen 在原有 RSI 递归自改进框架基础上升级而来，进一步聚焦经验的可靠性和可复用性，落地在 WorkSwarm 集群。
问题 4：启用 openJiuwen TTSE 经验学习框架之后，Agent 就一定不会学错经验吗？
回答 4：openJiuwen TTSE 经验学习框架可以降低错误经验扩散风险，但它依赖可靠的任务反馈信号，如果反馈本身存在错误，FACT 和 TIP 轨道依旧会学习到错误经验。
【参考资料】
[2026-11-10]（Agent 自演进驶入 “双轨时代”！openJiuwen 首发 TTSE 经验学习框架）量子位
[2026-11-10]（openJiuwen TTSE 双轨自演进框架技术解读）网易科技
[2026-09-30]（openJiuwen 0.1.19 版本更新：TTSE 双轨在线演进上线）kt.team
[2026-09-14]（openJiuwen 首发双维度 RSI 框架，AI 自修改落地办公智能体）InfoQ
【免责声明】
本文仅为 openJiuwen TTSE 经验学习框架技术资讯科普，TTSE 属于前沿 Agent 技术框架，功能、接口、能力还在持续迭代；不同业务场景下 TTSE 的演进效果受任务反馈、轨迹质量、模型底座影响；本文不构成项目选型、开发落地承诺，相关技术细节以 openJiuwen 官方文档、源码为准，资料版权归属对应媒体与 openJiuwen 社区。
本文来自作者[脉冲拓谱者]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/rgzn/202611/1166.html
评论列表（4条）
我是乌兰科技网的签约作者“脉冲拓谱者”！
希望本篇文章《Agent 自演进进入双轨时代，openJiuwen 推出 TTSE 经验学习框架》能对你有所帮助！
本站[乌兰科技网]内容主要涵盖：互联网行业的追踪与探索
本文概览：openJiuwen 正式发布 TTSE（Two-Track Self-Evolution，双轨自演进）经验学习框架，标志 Agent 自演进技术进入双轨时代，这套框架把智能体学到的经验拆成环境事实、条件技巧两条独立轨道分开更新，解决过去 Agent 容易把偶然成功当成稳定规律、环境一变就失效的通病。以往很多 Agent 自演进方案是把经验混在一起统一优化，当外部环境、规则发生变化时，旧的操作技巧和已经过时的环境认知绑在一起，很容易持续出错、越学越偏，TTSE 借鉴认知科学里陈述性知识、程序性知识的区分思路，让两条轨道各自校验、独立迭代。FACT 轨道负责持续核对、更新环境事实，也就是 Agent 对当前环境、约束、现状的认知；TIP 轨道负责沉淀、迭代条件式技巧，也就是在特定条件下该执行什么动作，两条轨道互相参照但分开校验，一条出错不会直接污染另一条的经验库。整套 TTSE 框架基于 openJiuwen 原有 RSI 递归自改进体系升级，已经落地在 WorkSwarm 多智能体集群里，从任务执行轨迹里自动归纳经验，静默整理经验库，还可以配置开关控制轨迹归纳、经验注入等能力。落地使用的时候，开发者先开启 TTSE 模块，采集 Agent 全链路执行轨迹，系统自动拆分 FACT 和 TIP 两条经验，分别做有效性校验，通过验证的经验存入经验库，后续任务启动时自动召回相关经验辅助决策，同时持续淘汰过时、失效的经验。TTSE 双轨模式让 Agent 的自演进更稳健，适合长周期、环境会动态变化的复杂任务，但是它依赖高质量的任务轨迹和反馈信号，反馈信号不准的时候，两条轨道都会学到错误经验。