开源 Agent 平台 openJiuwen 对 RSI 递归自演进框架完成新一轮升级，推出 TTSE 经验学习框架，正式把 Agent 自演进分成两条并行路线，也就是大家所说的双轨模式：一条是策略侧自我改进（RSI 原有 Harness+Artifacts），优化提示词、技能、工具、交付成果；另一条是轨迹经验沉淀（TTSE），从每一次任务执行轨迹里提取、封装可复用经验，打破过去 Agent 每次任务都要从头推理、经验无法稳定迁移的痛点，这套框架已经在 WorkSwarm 蜂群多智能体系统落地，适合办公、代码、科研等复杂长流程任务，解决很多智能体 “会做一次、下次又忘” 的通病。
一、openJiuwen RSI+TTSE 核心信息清单
- 开发主体：华为 2012 实验室、华为云、终端、计算团队联合打造的开源 Agent 平台 openJiuwen
- RSI 全称：Recursive Self-Improvement，递归自我改进
- TTSE 全称：Trajectory-Tree Skill Encoding，轨迹树技能编码（本次首发经验学习框架）
- 双轨定义
- RSI 轨道：自我修改、迭代工作方法与产出物，偏向 “试错改进”
- TTSE 轨道：从历史执行轨迹提取、编码、复用经验，偏向 “沉淀记忆”
- 落地载体：WorkSwarm 蜂群办公智能体
- 核心资产：Harness（Prompt、Skill、Tool、Rail 约束）、Artifacts（论文、代码等交付物）、TTSE 经验库
- 闭环流程：任务执行→轨迹记录→TTSE 提取经验→RSI 生成改进方案→评测验证→有效内容入库
- 社区状态：开源，代码仓库 Star 超 10 万，支持 Windows、Mac、HarmonyOS 多端部署
二、RSI 策略迭代 vs TTSE 经验学习对比表
| 项目 | RSI 递归自演进轨道 | TTSE 轨迹树经验学习轨道 |
|---|---|---|
| 核心目标 | 主动修改 Agent 自身工作方式、产出成果 | 从历史轨迹里沉淀可复用经验 |
| 优化对象 | Prompt、技能包、工具、约束、最终交付物 | 执行步骤、分支选择、失败教训、成功范式 |
| 工作方式 | 提出改动方案、做对照实验、验证后保留 | 轨迹树结构化编码、检索匹配、直接复用 |
| 擅长场景 | 全新任务、需要持续试错优化的场景 | 重复流程、同类任务、长流程办公自动化 |
| 特点 | 探索性强，可能产生无效改动 | 稳定性高，检索即调用，推理开销更低 |
三、TTSE 经验学习框架使用步骤
- 轨迹采集：Agent 执行任务时完整记录调用工具、思考分支、中间结果、失败节点，形成执行轨迹树
- 编码抽象：TTSE 框架把原始长轨迹压缩、结构化，转换成标准化技能经验，存入经验库
- 任务匹配：收到新任务时，先检索经验库，匹配相似历史场景
- 经验注入：把匹配成功的经验直接给到 Agent，减少重复试错
- RSI 二次优化：TTSE 复用的经验，同时送入 RSI 做迭代微调，持续升级
- 评价归档：本次任务结束后，新轨迹再次回流 TTSE，扩充经验库
四、当前这套方案存在的局限
- TTSE 依赖高质量轨迹，脏数据、杂乱日志会降低经验复用效果，需要配套过滤机制
- 双轨同时运行会增加算力开销，小模型、低算力环境下推理延迟上升
- 经验迁移有边界，跨领域、差异极大的陌生任务，TTSE 经验很难直接套用
- 属于工程化自演进框架，不是大模型本身预训练升级，底层模型能力上限不变
- 多智能体蜂群场景下，经验冲突、版本不一致的问题还在持续优化
【相关 FAQ】
问题 1：Agent 自演进驶入双轨时代，openJiuwen RSI 升级首发 TTSE 经验学习框架，双轨指的是什么？
回答 1：双轨就是 RSI 递归自我改进轨道 + TTSE 轨迹树经验学习轨道；RSI 负责主动修改 Agent 的提示词、技能、交付物，TTSE 负责从执行轨迹里沉淀复用经验，两条路线并行完成 Agent 自演进。
问题 2：openJiuwen RSI 和 TTSE 经验学习框架有什么区别？
回答 2：RSI 偏向主动试错、自我修改，是 “主动进化”；TTSE 是轨迹树编码，把过往任务的成功、失败经验存下来，新任务优先检索复用，属于 “经验沉淀”，两者搭配构成完整自演进闭环。
问题 3：openJiuwen 的 TTSE 经验学习框架，是在哪套智能体上落地使用的？
回答 3：TTSE 经验学习框架落地在 openJiuwen 的 WorkSwarm 蜂群多智能体系统，主打办公、文档、代码、科研类长流程任务，支持多智能体团队协同。
问题 4：openJiuwen RSI+TTSE 这套自演进框架，和普通 Agent 记忆有什么不一样？
回答 4：普通 Agent 记忆大多是简单文本检索；TTSE 是结构化轨迹树编码，保留分支选择、工具调用、失败节点，能沉淀成可复用技能，再配合 RSI 做验证优化，不是单纯读取历史对话。
【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）新智元
[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）凤凰网科技
[2026-11-01]（openJiuwen WorkSwarm 0.2.8 版本更新日志）openJiuwen 官网
【免责声明】
本文内容基于 openJiuwen 官方技术发布、科技媒体公开报道整理，RSI、TTSE 属于工程化 Agent 自演进框架，效果受任务类型、模型底座、轨迹质量、算力资源影响；该框架为开源技术方案，不保证所有场景下稳定自优化，本文不构成项目选型、商用落地建议。