openJiuwen 发布 TTSE 双轨自演进框架，让 Agent 区分环境事实与执行技巧

openJiuwen 提出 TTSE 双轨自演进框架

openJiuwen 发布名为 TTSE（Two-Track Self-Evolution，双轨自演进）的经验学习框架，用于 LLM Agent 的递归自我改进（RSI）。据其介绍，该框架借鉴认知科学对陈述性知识与程序性知识的区分，把任务中积累的经验拆成两条轨道：FACT（环境事实，描述「这个环境是什么样的」）与 TIP（条件式技巧，描述「在这些条件下应该怎么做」）。两类知识分别维护独立编号、呈现方式与证据追踪机制，便于单独引用、核对与更新。

背景与评测结果

按素材说法，TTSE 由双轨知识表示、冷启动、在线增量演进、最终输出与评估四部分组成；在线演进环节按归因、退役、矛盾分析与合成、归纳的顺序循环，使经验持续接受新任务证据的检验。相关方法论文题为 A Two-Track Online Self-Evolution Framework for LLM Agents。研究团队称已在 ALFWorld、ScienceWorld、GDPevo、SOPBench 和 PinchBench 五个基准上评测，每项实验独立重复三次，并给出成功率、奖励值与平均得分等指标；GDPevo 的消融实验显示完整双轨方案优于仅用 FACT 或仅用 TIP 的单轨方案。素材还称 TTSE 已落地 openJiuwen 的 WorkSwarm 蜂群办公智能体，并给出 Excel 数据清洗、文档与表格整理两个办公案例的耗时与工具调用对比。

限制与来源

上述数据与案例均来自 openJiuwen 方面公开的素材及量子位获授权刊载的文章，尚未见独立第三方复现，具体数值与结论以论文原文和官方发布为准。素材提到 TTSE 双轨演进能力已在 WorkSwarm 特定版本上线，安装方式、版本要求与功能开关请以 openJiuwen 官网当前信息为准；不同模型、任务与地区环境下的实际表现可能存在差异。本文不构成任何投资或采购建议。