openJiuwen 发布 TTSE 双轨自演进框架

openJiuwen 正式发布 TTSE（双轨自演进）框架，旨在解决 AI Agent 在环境变化后旧经验失效、反复返工的核心痛点。该框架将 Agent 的自我改进拆分为“环境认知”与“行动方法”两条独立轨道，分别进行验证与更新，借鉴了认知科学中陈述性知识与程序性知识的分离思想。目前，TTSE 已随 WorkSwarm 0.2.8 上线，并在 GitHub、AtomGit 开源代码仓，面向 Agent 记忆与技能系统开发者。

从技术方案看，TTSE 的核心创新在于双轨分离：环境认知轨道依赖现场事实进行验证，行动方法轨道则基于条件有效性进行更新，从而避免单一轨道更新导致的经验冲突。这一设计借鉴了 ACT-R 理论中陈述性知识与程序性知识的区分，使 Agent 能够更灵活地适应动态环境。不过，当前公开信息仍以方法论阐述为主，缺少可复现的量化评测结果，实际效果有待开发者验证。

对 Agent 生态而言，TTSE 提供了一种模块化的自演进思路，有望降低 Agent 在跨环境迁移时的维护成本，推动记忆与技能系统的标准化发展。开源举措也将吸引更多开发者参与共建，加速递归自我改进（RSI）方向的研究落地。