openJiuwen 首发双轨 TTSE 经验学习框架，让 Agent 任务完成后自动积累经验
Agent自演进驶入“双轨时代”！openJiuwen首发TTSE经验学习框架
Agent 每干完一件事就把成功和踩坑自动存成经验，下次直接调用。对比纯靠换更强模型的思路，这个省 token 也省推理成本。在搭长跑型智能体的开发者可以看看这套框架怎么接。
openJiuwen 推出面向智能体的 TTSE 经验学习框架，核心机制是把 Agent 每次执行任务的过程转化为可复用的经验，让下一次任务从上一次的轨迹中受益，形成自演进闭环。
TTSE 采取"双轨"设计：一方面在任务执行中提取成功路径与失败原因，另一方面将提炼出的经验条目化，供后续任务在规划阶段检索调用。对开发者而言，这意味着 Agent 不再每次都从零开始尝试，而是随使用量增长持续变强，尤其适合长期运行、重复性高的自动化工作流。
与单靠模型能力堆叠的方案不同，该框架把改进重心放在运行时经验沉淀上，对构建企业内部智能体的团队是可直接接入的工程范式。
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
This report is categorized under AITOP's "Products" desk, focusing on China's AI industry and domestic foundation model ecosystem. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows. Key entities and technical topics under continuous tracking include openJiuwen, TTSE, 智能体, 经验学习.
Source attribution: curated from 量子位 (@思邈).