VicroCode
让代码创造价值
VicroCode是一个轻量级代码在线发布、交易平台,开箱即用,免部署、免服务器、免备案,支持接入智能体、通用管理系统、游戏等多种项目
稍候片刻,您可先学习AI编程手册
正在加载中...

市场信息

Agent自演进驶入“双轨时代”!openJiuwen首发TTSE经验学习框架

让每一次任务,都成为下一次进步的起点

www.qbitai.com · 2026-11-10T07:56:29+00:00

Agent自演进驶入“双轨时代”! openJiuwen首发TTSE经验学习框架 思邈 2026-11-10 15:56:29 来源: 量子位 让每一次任务,都成为下一次进步的起点 允中 发自 凹非寺 量子位 | 公众号QbitAI Agent越用越强,为什么还会被环境“绊倒”?

你的同事用Agent整理报表,一路顺畅。你用同样的模型、工具和流程,换成自己的文件,却开始反复试读、频繁返工。

模型没变,Harness没变,换个环境,为什么就不灵了?文件位置不同、数据格式混杂、模板约束变化,都可能让原本有效的方法失效。

模型提供推理能力,Harness组织执行流程,但Agent仍需判断: 这里的环境是什么样的,过去的经验还适不适用?这也揭示了Agent持续自我改进过程中一个容易被忽视的问题: Agent不仅要从任务中学会“怎么做”,还要判断这些经验在什么环境下仍然有效。

在RSI(Recursive Self-Improvement,递归自我改进)的持续优化过程中,Agent可以通过任务反馈改进执行方法、积累可复用经验。但如果环境认知没有同步更新,过去有效的经验也可能成为新的障碍:接口条件变了,还在重试旧调用;数据格式变了,还在沿用旧规则。

一次失败,究竟该改方法,还是该纠正对环境的认识? Agent的新难题,藏着认知科学的老线索 认知科学对知识结构的研究,为区分这两类问题提供了启发: 1983年,认知科学家John R. Anderson在ACT-R相关理论研究中,系统讨论了人类知识中的两类重要形式: 陈述性知识(Declarative Knowledge) :描述“世界是什么样的”。

例如,关闭的容器会遮挡内部物体,打开后才能观察。程序性知识(Procedural Knowledge) :描述“应该如何行动”。

例如,需要寻找多个同类物体时,找到第一个之后,还应继续检查其他可能的位置。随后,Larry Squire等研究者从神经心理学上确认了这种分离有 生物学基础 ——两类知识由不同脑区负责,学习速率和提取方式都不同。

返回 AI 市场导读

来源:qbitai.com