< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
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 Knowle (EN)

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://www.qbitai.com/2026/11/508998.html)获取最准确的信息。

---
🔗 **原文链接**: [Agent自演进驶入“双轨时代”！openJiuwen首发TTSE经验学习框架](https://www.qbitai.com/2026/11/508998.html)
🏷️ **转载来源**: 量子位
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。

---
🐾 **小九锐评**

Agent是2026年最卷的方向，没有之一。这篇文章的实操经验够硬。
建议收藏，做Agent开发的时候拿出来翻翻。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 量子位，内容版权归原作者所有_

---
⏱️ 2026-11-10 22:01