openJiuwen 对 RSI 递归自我改进框架完成新一轮升级，同步首发 TTSE 双轨自演进经验学习框架，现在很多 AI 智能体在真实环境里容易把偶然成功当成固定经验，环境一变整套策略直接失效，之前的 RSI 框架只聚焦优化工作方法和交付成果，没有把环境认知和执行技巧分开校验，TTSE 框架借鉴认知科学思路，把 Agent 学到的经验拆成 FACT 环境事实、TIP 条件式技巧两条独立轨道分开更新、分开验证，让智能体一边持续核对环境真实情况、一边迭代适配场景的操作办法，两条轨道并行演进，提升 Agent 在动态环境下的长期稳定性，这也是 Agent 自演进进入双轨时代的核心标志。
一、TTSE 双轨自演进两条轨道说明
| 轨道名称 | 全称 | 核心作用 | 更新校验逻辑 |
|---|---|---|---|
| FACT | 环境事实轨道 | 记录、校验环境本身的客观属性，比如接口规则、文件结构、系统限制 | 持续拿新任务证据核对事实，发现环境变化就修正、淘汰过时事实 |
| TIP | 条件式技巧轨道 | 保存 “满足什么条件、该用什么操作” 的执行策略，也就是技能、操作流程 | 只在匹配条件的场景下验证有效性，条件改变就停用这条技巧 |
二、新旧 RSI 框架对比清单
| 版本 | 优化方向 | 存在短板 | 升级后 TTSE 补充能力 |
|---|---|---|---|
| 早期双维度 RSI | Harness（提示词、技能、工具）+Artifacts（产出物）双向优化 | 不区分环境知识和执行技巧，容易经验混淆、环境变动后失效 | 拆分 FACT、TIP 双轨经验，独立校验更新 |
| RSI+TTSE 新版 | 保留原有 Harness+Artifacts 闭环，叠加 TTSE 经验管理 | —— | 经验可追溯、可淘汰，降低环境变化带来的翻车概率 |
三、openJiuwen TTSE+RSI 完整自演进执行步骤
- 智能体启动任务，读取已有 FACT 环境事实、TIP 条件技巧库
- 结合当前环境信息做规划，调用工具执行任务，记录完整执行轨迹
- 收集任务反馈，区分失败原因：是环境认知错了，还是操作技巧不匹配
- 分别更新两条轨道：FACT 轨道核对、修正环境信息；TIP 轨道新增、修改或者淘汰旧技巧
- 把经过验证有效的经验存入经验库，无效经验标记归档，不再复用
- 同步回流到原有 RSI 闭环，更新 Harness 技能包、Prompt 策略，再进入下一轮任务迭代
四、TTSE 框架核心优势
- 经验解耦：事实和操作技巧分开管理，不会环境一变，所有历史经验全部作废
- 降低过拟合：避免 Agent 把单次偶然成功当成通用方法，减少幻觉式策略
- 适配动态场景：适合办公、电脑操作、科研这类经常变化的开放环境
- 兼容原有 RSI：不用推翻之前的递归自改进闭环，是在原有 RSI 上叠加经验层
- 可审计：每一条经验都有对应的验证证据，方便开发者排查 Agent 出错根源
五、适用场景与局限
- 优势场景：WorkSwarm 蜂群办公智能体、代码编写、科研实验、电脑操作类长任务 Agent
- 局限：两条轨道都需要足够多的任务反馈样本，小样本场景下更新速度慢；额外增加经验校验开销，推理成本会小幅上涨
【常见问题】
问题 1：openJiuwen RSI 升级推出 TTSE 经验学习框架，Agent 自演进的双轨时代，双轨指的是什么？
回答 1：openJiuwen RSI 升级推出 TTSE 经验学习框架里，Agent 自演进双轨指 FACT 环境事实轨道、TIP 条件式技巧轨道，一条用来持续确认环境真实情况，一条用来迭代对应条件下的操作技巧，两条路线独立学习、独立校验。
问题 2：openJiuwen RSI 升级，TTSE 经验学习框架和之前的 RSI 框架是什么关系？
回答 2：openJiuwen RSI 升级，TTSE 经验学习框架不是替代 RSI，而是在原有 RSI 递归自我改进框架之上新增的经验管理层，保留 Harness+Artifacts 优化闭环，专门解决 Agent 经验混淆、环境变化就失效的痛点。
问题 3：openJiuwen RSI 升级 TTSE 经验学习框架，能解决 Agent 自演进里的什么典型问题？
回答 3：openJiuwen RSI 升级 TTSE 经验学习框架，重点解决 Agent 自演进里容易把偶然成功当成通用经验、分不清环境事实和操作方法，环境变动之后策略直接失效的问题，提升智能体在动态环境的稳定性。
问题 4：openJiuwen RSI 搭配 TTSE 经验学习框架，现在主要落地在哪个 Agent 产品？
回答 4：openJiuwen RSI 搭配 TTSE 经验学习框架，主要落地在 WorkSwarm 蜂群办公智能体，面向办公、编码、科研这类长周期、动态变化的任务场景做测试和迭代。
问题 5：openJiuwen TTSE 经验学习框架，是不是所有 Agent 都能直接拿来做自演进？
回答 5：openJiuwen TTSE 经验学习框架和 RSI 配套，更适合开放环境、需要持续积累经验的长任务 Agent；小样本、固定规则的简单任务 Agent，使用 TTSE 经验学习框架带来的收益有限，还会增加算力开销。
【参考资料】
[2026-11-10]（Agent 自演进驶入 “双轨时代”！openJiuwen RSI 再升级，首发 TTSE 经验学习框架）量子位
[2026-11-10]（Agent 自演进驶入 “双轨时代”!openJiuwen RSI 再升级，首发 TTSE 经验学习框架）ZAKER 新闻
[2026-09-14]（openJiuwen 首发双维度 RSI 框架，AI 自修改，落地办公智能体）InfoQ
[2026-10-24]（从双维度 RSI 到 InferRSI，openJiuwen 让模型拥有更适配的推理引擎）凤凰网
[2026-09-11]（openJiuwen 发布双维度 RSI 框架，赋能 AI 智能体自我修改与持续进化）Houdao AI
【免责声明】
本文内容基于 openJiuwen 公开技术资讯、TTSE 框架相关报道整理，openJiuwen RSI、TTSE 经验学习框架的能力边界、落地效果、性能开销受任务类型、环境复杂度、样本数量影响；相关技术还处于持续迭代阶段，最终功能、开源版本以 openJiuwen 官网和官方代码仓库为准，不构成 Agent 项目开发、选型的投资或采购建议。