您的位置首页 >科技要闻 >

Agnes Harness 双系统决策 + 双层自进化Agent 最高提速 14 倍、成本降至 1/27

Agnes 开源的 Agent 框架 Agnes Harness,靠 Sys1 双系统决策搭配 TTT×RSI 双层自进化架构解决传统 Agent 的痛点,传统 Agent 不管简单判断还是复杂推理都反复调用大模型,速度慢、调用成本居高不下,这套方案把常规判断交给轻量 9B 决策模型,复杂任务才调用大模型,实测场景下最高速度提升 14 倍,单次决策成本压缩到原来的 1/27,同时双层自进化让 Agent 既能当场适配现场环境,又能长期沉淀成熟流程,而且采用 Apache2.0 协议开源支持商用,开发者可以直接接入改造,适配仓储、设备控制、自动化办公等很多落地场景。

一、双系统决策(Sys1/Sys2)分工清单

  • System1(小脑,Agnes Sys1.0 9B 轻量模型):负责高频、确定性判断,比如选择工具、判断是否等待、路由请求、简单评分,亚秒级响应,单机本地部署,拿不准的时候自动把任务转交给 System2
  • System2(大脑,主大模型):负责复杂意图理解、长任务拆解、异常处理、深度推理、规划,只在 Sys1 识别到超出能力边界时才启动
  • 调度逻辑:Sys1 作为第一层守门,优先拦截简单判断,大幅减少昂贵大模型的调用次数
  • 测试数据:模拟漏水任务里,大模型单次决策 7.6 秒,Sys1 仅 0.53 秒,速度提升约 14.3 倍;行李房任务单次判断成本从 0.00247 美元降到 0.000091 美元,约 1/27

二、TTT×RSI 双层自进化架构说明

这是这套框架的第二层核心,分成模型层即时适应、系统层长期沉淀两层,也就是双层自进化:

  1. TTT(测试时训练,模型层):单次任务内部做局部轻量参数更新,只更新末端缩放参数,不会改动模型基线,Agent 遇到陌生环境可以当场适配,任务结束自动恢复基线,不会越跑越歪
  2. RSI(递归自我改进,系统层):自动复盘任务结果,验证成功策略,把稳定有效的流程封装成可复用 Skills、版本化 Playbook 剧本,下次遇到同类任务直接调用成熟流程,不用重新从头规划
  3. 协同效果:TTT 负责 “当场学”,RSI 负责 “长期记”,随任务量增加,Agent 整体成功率持续上涨,在对比测试里它的任务成功率高于 DeepSeek Harness、Codex 对照组

三、两种核心机制对比表

模块作用层级能力特点价值
双系统决策 Sys1/Sys2推理调度层快慢分工,简单任务轻模型处理,复杂任务上大模型直接降推理耗时、削减 Token 调用成本
TTT×RSI 双层自进化持续迭代层单次即时适配 + 长期沉淀技能剧本提升跨场景成功率,减少重复试错

四、落地开发接入步骤

  1. 拉取 Agnes Harness 开源仓库,框架本身模型无关,默认搭载 Sys1.0 插件,也可替换其他轻量决策模型
  2. 定义业务动作、可用工具、任务退出条件,配置 Sys1 的触发阈值,设置哪些场景必须转交 System2
  3. 开启 TTT 局部自适应开关,限定参数更新范围,避免全局漂移
  4. 开启 RSI 复盘模块,配置验证规则,自动归档跑通的流程为 Playbook
  5. 灰度测试,统计 Sys1 接管率、大模型调用次数、任务完成耗时、失败率
  6. 上线后持续收集执行反馈,迭代沉淀技能库,进一步降低成本

五、优势与局限

✅ 优势

  • 开源可商用,Apache2.0 协议,无闭源锁定
  • 速度和成本收益明确,非常适合高频自动化 Agent 场景
  • 双层进化分开设计,不会让现场微调污染基础模型基线
  • 调度层可插拔,Sys1 模型可以按业务场景替换

⚠️ 局限

  • 收益高度依赖业务:简单重复流程收益巨大,全程强推理、低重复的任务,提速降本效果有限
  • TTT 是局部轻量更新,不能替代正式预训练和 SFT
  • RSI 沉淀的剧本需要校验机制,错误流程也可能被保存,需要配套验证器

【相关 FAQ】

问题 1:Agnes 这套双系统决策 + 双层自进化方案,为什么能做到 Agent 最高提速 14 倍、成本降到 1/27?

回答 1:Agnes 这套双系统决策 + 双层自进化方案,依靠 9B 轻量 Sys1 模型承接大量简单工具判断,减少高价大模型调用,带来速度和成本的大幅优化,双层自进化进一步减少试错,在指定测试场景拿到最高 14 倍提速、成本约 1/27 的结果。

问题 2:Agnes 的双层自进化里 TTT 和 RSI 分别负责什么,二者怎么配合?

回答 2:Agnes 的双层自进化里 TTT 属于模型层,单次任务中做即时局部适配;RSI 属于系统层,复盘验证成功策略、沉淀成可复用技能剧本,TTT 负责当场适应,RSI 负责长期经验积累,二者搭配让 Agent 越用越熟练。

问题 3:Agnes Harness 的双系统决策,Sys1 拿不准的时候会怎么处理?

回答 3:Agnes Harness 的双系统决策里,Sys1 负责常规快速判断,当识别到任务复杂、信息不足、风险不确定时,会自动把任务转交 System2 大模型做深度推理和规划,保证任务不会出错。

问题 4:Agnes Harness 支持商用吗,开发者能不能换掉默认的 Sys1 决策模型?

回答 4:Agnes Harness 采用 Apache2.0 开源协议支持商用,框架是模型无关的,开发者可以根据业务场景替换掉默认 Sys1.0 决策模型,适配仓储、办公、设备控制等不同 Agent 场景。

【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

[2026-11-20](Agnes Harness 开源:快慢双脑架构,解决 Agent 高成本慢推理痛点)网易科技

[2026-11-20](Agnes Sys1.0 技术报告)GitHub AgnesAI-Labs

【免责声明】

以上内容仅为 Agnes Harness 开源 Agent 框架资讯整理,不构成项目选型、商业落地的强制方案;14 倍提速、成本降至 1/27 是特定测试场景下的实验数据,实际收益和业务复杂度、任务重复度、模型选型强相关;框架能力、开源协议以官方 GitHub 仓库和技术报告为准。

今日大家都在搜的词: