您的位置首页 >人工智能 >

Agnes 采用双系统决策 + 双层自进化架构,Agent 最高提速 14 倍、成本降至 1/27

Agnes Harness 这套开源 Agent 框架,核心创新就是 Sys1 双系统决策搭配 TTT+RSI 双层自进化,解决传统 Agent 每一步动作都调用大模型、延迟高、Token 开销贵的通病,把常规判断交给轻量 9B 的 Sys1 小决策模型,复杂推理再交给大模型 System2,测试数据里最高速度提升 14 倍,单次决策成本直接压到原来的 1/27;双层自进化分成模型层 TTT 测试时训练、系统层 RSI 递归自我改进,TTT 支持任务现场局部微调适配当下场景,RSI 复盘失败案例、把成熟流程沉淀成可复用技能剧本,越跑越稳定,适合企业流程自动化、机器人、多步骤工具调用类 Agent 落地,而且框架是插件化设计,能对接现有业务系统,沉淀下来的技能资产归企业自己掌控。

一、双系统决策(Sys1+Sys2)核心清单

  1. System1(小脑,Sys1.0/Jev,9B 轻量决策模型):负责高频、选项有限的常规判断,比如选哪个工具、下一步是否执行、是否要交给大模型,亚秒级出结果,单机就能部署。
  2. System2(大脑,大基座 LLM):负责目标理解、复杂任务规划、多方案推理、边界模糊的难题,Sys1 拿不准的时候自动路由到 System2。
  3. 路由阈值机制:Sys1 输出置信度低于阈值,自动回退到大模型,保证任务成功率,不会一味追求速度牺牲正确性。
  4. 实测数据:模拟家庭漏水任务,大模型单次判断 7.6 秒,Sys1 仅 0.53 秒,提速约 14.3 倍;行李房任务里,Sys1 单次决策成本约为大模型的 1/27。

二、双层自进化架构对比表

进化层级技术名称作用方式特点
模型层TTT 测试时训练单次任务内部,基于实时反馈做局部参数更新,只改末端缩放参数现场适配当前任务,不会污染基线模型,任务结束恢复原始状态
系统层RSI 递归自我改进自动复盘任务成败,验证新策略,把稳定流程封装成 Skills、版本化 Playbook长期沉淀经验,跨任务复用,形成可审计的业务剧本库

三、Agnes Harness 整体模块说明

  1. 决策调度模块:双系统路由,控制什么时候用小模型、什么时候切大模型。
  2. 自进化引擎:TTT+RSI 双链路,收集轨迹、反馈、失败案例,持续迭代策略。
  3. 工作流 Workflow:标准化动作流程,固定逻辑直接触发,不消耗模型算力。
  4. 记忆与 Agent 循环:感知 - 规划 - 执行 - 校验 - 迭代闭环,维护任务上下文和历史教训。
  5. 硬件 / 系统适配层 MHS:标准化接口,对接机器人、产线设备、ERP、MES 等业务系统。
  6. 插件生态:适配器、工具、角色、技能包全部插件化,支持版本管理。

四、适用场景与不适合场景

✅ 优先适配场景

  • 企业自动化 Agent:审批、工单、数据查询、多工具串联流程
  • 物理世界 AI:机器狗、机械臂、产线仿真,需要高频连续决策
  • 代码 Agent:高频工具调用、重复子任务判断,降低大模型调用账单
  • 长流程复杂任务:需要反复多次判断、试错迭代的任务

❌ 不推荐场景

  • 纯开放式创意写作、无固定动作选项的纯发散推理,Sys1 很难发挥优势
  • 一次性简短问答,链路复杂,收益不明显
  • 完全没有固定动作选项、每次决策都是全新未知选项的任务

五、接入落地步骤

  1. 梳理 Agent 任务链路,拆分出常规判断节点和复杂推理节点,确定路由阈值。
  2. 部署 Sys1 决策模型,接入 Agnes Harness 框架,对接基座大模型 System2。
  3. 开启 TTT 测试时训练,配置局部更新范围,防止模型基线漂移。
  4. 开启 RSI 递归改进,设置复盘规则、技能入库条件,沉淀 Playbook。
  5. 小批量灰度跑任务,统计延迟、成功率、Token 成本,调整置信阈值。
  6. 逐步放量,持续监控失败案例,迭代技能库和决策模型。

六、核心优势和现存短板

✅ 优势

  • 大幅降本提速,高频决策不再消耗昂贵大模型 Token
  • 双层进化兼顾 “现场适配” 和 “长期沉淀”,任务越跑越稳
  • 开源插件化,支持替换基座模型,企业可以自主管控数据和技能资产
  • 支持物理设备、软件业务系统双适配,通用性强

⚠️ 短板

  • 任务需要有明确可选动作集合,无固定选项的场景收益有限
  • TTT 是局部轻量更新,没法替代大规模预训练
  • RSI 沉淀依赖足量任务轨迹,冷启动阶段自进化效果弱

【相关 FAQ】

问题 1:双系统决策 + 双层自进化,Agnes 让 Agent 效率最高提速 14 倍,双系统决策指的是什么?

回答 1:双系统决策 + 双层自进化,Agnes 让 Agent 效率最高提速 14 倍,双系统决策就是 Sys1 轻量决策模型处理常规判断,System2 大模型处理复杂推理,根据置信度自动路由,常规判断交给小模型实现提速降本。

问题 2:双系统决策 + 双层自进化,Agnes 让 Agent 效率最高提速 14 倍,双层自进化分别是什么?

回答 2:双系统决策 + 双层自进化,Agnes 让 Agent 效率最高提速 14 倍,双层自进化一层是模型层 TTT 测试时训练,在单次任务里现场适配;另一层是系统层 RSI 递归自我改进,复盘沉淀成可复用技能剧本。

问题 3:双系统决策 + 双层自进化,Agnes 让 Agent 效率最高提速 14 倍,成本降到 1/27 是怎么实现的?

回答 3:双系统决策 + 双层自进化,Agnes 让 Agent 效率最高提速 14 倍,它把高频的动作判断从高价大模型转移到低成本 9B Sys1 决策模型,大量减少大模型调用次数,在行李房测试任务里单次决策成本降到原来的 1/27。

问题 4:双系统决策 + 双层自进化,Agnes 让 Agent 效率最高提速 14 倍,Agnes Harness 是开源的吗?

回答 4:双系统决策 + 双层自进化,Agnes 让 Agent 效率最高提速 14 倍,Agnes Harness 是开源 Agent 框架,插件化架构,支持对接企业业务系统、机器人硬件,沉淀的技能剧本企业可以自主管理。

【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](支撑 Anthropic 市值的 RSI!Agnes 亮出 TTT×Harness 双 RSI 进化架构)新浪财经

[2026-11-20](Agnes Harness 开源:快慢双脑 Agent,TTT+RSI 双层自进化)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

【免责声明】

本文基于 Agnes Harness 公开技术报告、媒体实测数据整理,双系统决策 + 双层自进化带来的提速 14 倍、成本 1/27 为特定测试任务下的指标,不同业务、不同任务的收益会存在差异;TTT、RSI 自进化存在冷启动问题,落地前需要做好任务拆解、阈值调优与效果评测;本文仅作为 Agent 技术学习、方案选型参考,不构成项目落地、算力采购的决策建议。

今日大家都在搜的词: