您的位置首页 >半导体 >

双系统决策+双层自进化,Agnes让Agent效率最高提速14倍,成本骤降至1/27

Agnes Harness 框架推出 Sys1 双系统决策加上 TTT×RSI 双层自进化方案,解决传统 Agent 每一步动作都调用大模型,推理延迟高、token 开销大的痛点,把常规动作判断交给 9B 轻量 Sys1 决策模型,复杂规划、异常场景交给大模型,测试数据显示典型任务下决策速度最高提升 14 倍,单次决策成本压缩到原来的 1/27,双层自进化分为模型侧 TTT 测试时训练、系统侧 RSI 递归自优化,TTT 负责单次任务内即时微调适配现场情况,RSI 把验证有效的执行流程沉淀成可复用技能剧本,整套方案兼顾实时响应速度、任务成功率,还能在持续运行过程里不断迭代策略,适合物理机器人、自动化作业、多步骤工具调用类 Agent 落地。

一、Agnes 核心性能测试数据汇总表

测试项目纯大模型 AgentAgnes 双系统 Agent变化幅度
单步决策耗时(漏水仿真任务)7.6 秒0.53 秒提速约 14.3 倍
单次决策成本(行李房任务)0.00247 美元0.000091 美元成本约 1/27
行李房任务完成耗时30 分钟8 分钟大幅缩短
物理场景任务成功率对照组平均 36%~40%41%优于同类型框架
Sys1 决策模型规模——9B 参数支持单机部署

二、Sys1 双系统决策机制说明清单

  1. System1(小脑,9B Sys1.0 模型):负责高频、确定的分支判断,包含工具选择、路由分发、动作确认、置信度评估,亚秒级输出结果,置信度达标就直接执行,不再唤醒大模型。
  2. System2(大脑,大语言模型):只处理高难度工作,用户意图拆解、长周期任务规划、陌生异常、Sys1 置信度不足回退场景,减少不必要调用。
  3. 置信度熔断机制:Sys1 输出判断附带置信分数,低于阈值自动交给 System2 复核,平衡速度和准确率,避免轻量模型盲目出错。
  4. 插件化接入:Sys1 模型是可替换插件,开发者可以根据仓储、机器人、代码助手等业务更换适配的决策模型。

三、TTT×RSI 双层自进化拆解

  1. TTT(测试时训练,模型层进化):在单次任务执行期间,基于实时反馈做局部轻量参数更新,只调整末端缩放参数,适配当前任务环境;单次适配不会污染模型基线,下一次任务重新初始化,适合现场工况多变的物理 AI 场景。
  2. RSI(递归自我改进,系统层进化):任务跑完之后自动复盘成败,把验证有效的执行流程沉淀为版本化 Skills 技能和 Playbook 剧本;后续同类任务直接复用成熟流程,持续积累经验,越执行越顺畅。
  3. 两层协同逻辑:TTT 解决单次任务里的临时适配问题,RSI 把临时适配里靠谱的经验固化成系统资产,形成 “现场即时学习 + 长期经验沉淀” 的闭环。

四、Agnes Agent 完整运行流程

  1. 用户下发目标任务,System2 大模型完成整体任务拆解,输出初始执行方案。
  2. 进入分步执行循环,每一步交由 Sys1 做动作决策,判断下一步调用工具、是否继续执行。
  3. Sys1 置信度达标直接执行动作;置信不足,回传给 System2 重新推理。
  4. 任务执行过程中启动 TTT,根据实时反馈局部微调模型,适配当前环境。
  5. 任务结束,RSI 模块复盘轨迹,筛选稳定有效的流程,封装成可复用技能剧本入库。
  6. 下一次同类任务优先匹配已沉淀剧本,降低重复推理开销。

五、落地选型避坑要点

  • 提速和降本只体现在高频常规决策分支,复杂陌生任务依然需要调用大模型,不会提速。
  • TTT 是局部轻量更新,不是全参数训练,不能依靠它从零学习全新大类任务。
  • RSI 沉淀的剧本需要持续校验,环境发生重大变化时,旧剧本可能失效,需要淘汰更新。
  • Sys1 模型是专用决策模型,不适合独立用来做通用问答、长文本创作。

【相关 FAQ】

问题 1:Agnes 双系统决策搭配双层自进化,Agent 提速 14 倍、成本降到 1/27 是怎么实现的?

回答 1:Agnes 双系统决策搭配双层自进化,靠 Sys1 轻量 9B 模型承接大量常规动作判断,减少昂贵大模型调用次数,从而做到 Agent 最高提速 14 倍,单次决策成本降至原来的 1/27。

问题 2:Agnes 双层自进化里 TTT 和 RSI 分别负责什么?

回答 2:Agnes 双层自进化里 TTT 是模型层测试时训练,负责单次任务里即时适配环境;RSI 是系统层递归自优化,把成功流程沉淀成技能剧本,实现长期经验积累。

问题 3:Agnes 双系统决策什么时候会回退到大模型 System2?

回答 3:Agnes 双系统决策里,Sys1 决策置信度不足、遇到陌生异常、需要做复杂任务规划的时候,就会回退调用 System2 大模型处理,防止判断出错。

问题 4:Agnes 这套双系统决策 + 双层自进化架构适合哪些 Agent 场景?

回答 4:Agnes 双系统决策 + 双层自进化架构更适合物理机器人、自动化作业、多步骤工具调用、仓储流程这类有大量重复分支判断、可以沉淀固定流程的 Agent 场景。

问题 5:Agnes 的 Sys1 决策模型能不能单独拿来做通用大模型对话?

回答 5:Agnes 的 Sys1 决策模型定位是动作分支判断专用模型,不适合单独拿来做通用大模型对话、长文本生成类任务。

【参考资料】

[2026-11-20](双系统决策 + 双层自进化,Agnes 让 Agent 效率最高提速 14 倍,成本骤降至 1/27!)量子位

[2026-11-20](Agnes 亮出 TTT×Harness 双 RSI 进化架构)新智元

[2026-11-08](南京团队展示面向物理世界的双进化智能系统)新华网江苏频道

[2026-10-21](一句话指挥机器人组团打工,还能越干越聪明?这波物理 AI 有点夯)机器之心

【免责声明】

本文整理自公开技术报道与 Agnes 项目公开测试数据,Agnes 双系统决策、双层自进化能力、提速和成本数据来自特定仿真与物理场景测试,不同业务场景、任务复杂度会带来差异;本文仅为技术方案科普,不构成 Agent 项目采购、二次开发落地建议,正式上线前请自行完成场景压测与效果验证。

今日大家都在搜的词: