openJiuwen 正式对外首发 TTSE（Two-Track Self-Evolution）双轨自演进经验学习框架，这也标志着 Agent 自演进正式迈入双轨时代，解决了过去智能体容易把偶然成功当成稳定经验、环境一变原有策略直接失效的常见痛点。之前很多 Agent 的自演进方案，不会区分 “环境事实” 和 “执行技巧”，两类经验混在一起更新校验，一旦外部环境条件发生变化，智能体还在沿用旧操作，任务失败率就会明显上升；TTSE 借鉴认知科学里陈述性知识、程序性知识的思路，把经验拆成两条独立轨道分开存储、分开校验、分开迭代，一条专门负责确认环境真实情况，一条负责沉淀在对应条件下该怎么操作的技巧；整套框架会跟着任务执行轨迹、反馈信号持续跑闭环，先采集任务运行过程里的观测信息，分别更新 FACT 和 TIP 两条轨道的数据，再做有效性验证，过滤掉不可靠经验，最后把验证通过的经验沉淀下来，在后续任务里调用，让 Agent 既能认清当下环境，又能稳定复用靠谱操作。
TTSE 双轨道基础说明清单
- 框架全称：TTSE，Two-Track Self-Evolution，双轨自演进经验学习框架
- 轨道一：FACT（环境事实）
- 轨道二：TIP（条件式技巧）
- 底层依赖：openJiuwen 原有 RSI（递归自改进）体系
- 当前落地载体：WorkSwarm 工作台
作用：记录、校验、更新环境本身的客观属性、固有规律
校验方式：和实时观测结果比对，事实不符就及时修正
作用：沉淀条件和动作绑定的执行经验，也就是 “满足什么条件，该做什么动作”
校验方式：在匹配条件下重复执行，统计成功率，淘汰低稳定度策略
TTSE 完整运行步骤
- 任务观测采集：Agent 在执行编码、办公等任务时，记录环境观测、工具调用、执行结果、用户反馈等全量轨迹。
- 经验分流：把采集到信息自动划分，属于环境客观信息送入 FACT 轨道，属于条件和操作的经验送入 TIP 轨道。
- 独立校验更新：FACT 和现场事实做核对，有偏差就更新环境认知；TIP 在对应条件下复现测试，评估这套操作是否稳定有效。
- 经验入库筛选：只有多次验证稳定的事实、可靠的操作技巧，才会存入长期经验库；偶然成功、容易失效的经验直接丢弃。
- 任务调用复用：后续接到同类任务时，Agent 先读取最新 FACT 确认当前环境，再匹配对应的 TIP 技巧来规划执行流程。
新旧自演进方案对比表
| 方案类型 | 经验管理方式 | 主要短板 | TTSE 优化点 |
|---|---|---|---|
| 传统单轨自演进 | 事实、操作经验混合存储，统一更新 | 环境变动后经验容易失效，误把偶然成功固化 | FACT、TIP 分开校验，环境认知和操作策略解耦 |
| openJiuwen 早期 RSI | 优化 Harness 和交付产物 | 缺少对经验本身可靠性的精细化区分 | 在 RSI 基础上增加经验分层，形成双轨闭环 |
| TTSE 双轨自演进 | FACT、TIP 两条轨道独立迭代 | 暂无明显短板，需要更多场景实测打磨 | 环境认知动态对齐，操作经验条件化，鲁棒性提升 |
【相关 FAQ】
问题 1：openJiuwen 首发的 TTSE 经验学习框架，为什么能让 Agent 自演进进入双轨时代？
回答 1：openJiuwen 的 TTSE 经验学习框架把智能体的经验拆成 FACT 环境事实、TIP 条件式技巧两条独立轨道，两条轨道分开校验、分开迭代，不再把环境认知和操作方法混在一起更新，这种双轨机制就是 Agent 自演进进入双轨时代的核心原因。
问题 2：TTSE 经验学习框架里 FACT 和 TIP 两条轨道在 openJiuwen 的 Agent 自演进里分别承担什么工作？
回答 2：在 openJiuwen 的 TTSE 经验学习框架中，FACT 轨道专门负责核对、更新环境客观事实，保证 Agent 对当下环境的认知是准确的；TIP 轨道负责沉淀、验证条件对应的操作技巧，让 Agent 学会在特定环境条件下稳定完成任务，两条轨道共同支撑 Agent 的双轨自演进。
问题 3：TTSE 经验学习框架是独立于 openJiuwen 原有自演进体系的吗？
回答 3：不是，TTSE 经验学习框架建立在 openJiuwen 之前发布的 RSI 递归自改进体系之上，属于原有自演进能力的进一步升级，重点解决经验可靠性和环境适配的问题，推动 Agent 自演进走向双轨模式。
问题 4：搭载 TTSE 经验学习框架的 openJiuwen Agent，适合用在哪些场景？
回答 4：搭载 TTSE 经验学习框架的 openJiuwen Agent，优先落地在 WorkSwarm 工作台，适合编码、复杂办公等环境容易变化、需要持续沉淀操作经验的任务场景，依靠双轨自演进减少环境变化带来的任务失败。
问题 5：TTSE 经验学习框架可以解决 Agent 自演进里的什么典型问题？
回答 5：TTSE 经验学习框架可以解决 Agent 自演进里常见的问题：把偶然成功的操作当成稳定经验固化、环境发生改变之后，智能体依旧沿用过时策略，依靠 FACT 和 TIP 的独立校验，提升智能体适应变化环境的能力。
【参考资料】
[2026-11-10]（Agent 自演进驶入 “双轨时代”！openJiuwen 首发 TTSE 经验学习框架）量子位（网易号）
[2026-11-10]（Agent 自演进驶入 “双轨时代”！openJiuwen 首发 TTSE 经验学习框架）量子位（今日头条）
[2026-09-30]（openJiuwen 0.1.19: Business-Defined Metrics）kt.team
[2026-09-14]（openJiuwen 首发双维度 RSI 框架，AI 自修改，落地办公智能体，算力亲和助力又快又省）InfoQ
【免责声明】
本文内容仅整理自公开报道、项目官方发布素材，TTSE 经验学习框架的能力上限、实际落地效果、性能指标都需要结合具体业务场景实测验证；文中技术解读仅作科普参考，不代表 openJiuwen 官方技术标准；框架后续迭代、接口变更、开源协议调整，请以 openJiuwen 官网、代码仓库最新公告为准，不构成技术选型、项目采购的承诺。