智能AI
morning
支撑人类市值的RSI!Agnes亮出TTT×Harness双RSI进化架构
2026-11-20
1 阅读
约10分钟阅读
新智元
字号:
新智元报道 这两天,OpenAI发了一份内部报告,名字就叫「研究加速:锯齿状前沿」。 报告里,他们找来自家101位研究人员,问了一个扎心的问题—— 如果把手里最强的编程Agent收走三个月,你愿意拿什么换回来? 大家给的答案,让人脊背发凉:宁可砍掉团队30%的算力或者40%的人力,也不愿意。 好家伙,在全球最顶尖的AI实验室里,Agent的分量已经压过了一大批同事。 如今,Agent已经成了顶级实验室,甚至不少人的「命根子」。 可真要把它放进现实世界,去跑通企业流程、指挥机械臂干活,光靠一颗聪明的「大脑」,远远不够。 就在这个节骨眼上,Agnes AI把自家的智能体运行与扩展框架Agnes Harness开源了。 它最大的看点,不只是执行指令,还能够从实践中积累经验、持续改进: 模型层:TTT(测试时训练)让决策模型在每次判断前「现场学习」,当场适应眼前的任务; 系统层:RSI(递归自我改进)自动复盘失败、验证新策略,再把跑通的流程沉淀成Skills和Playbook。 一个让Agent当场学,一个让Agent长期记。 不过在聊它怎么「进化」之前,先看看它是怎么干活的。 大脑想事,小脑干活 先看一个非常简单的任务:仿真环境里,机器狗要在屋里找到一扇门,然后穿过去。 如此简单的事儿,全称交给LLM来指挥,干起来却磨磨唧唧。 每走一步,它都得调一次视觉接口,拍张照,打包发给大模型,然后原地干等。大模型琢磨半天,回一句「门在左前方,往左转15度」。 转完,再拍,再发,再等。大部分时间,都耗在了请求和等待上。 可是人走路的时候,大脑压根不会去管「左脚抬起、重心前移」这种事,全是小脑全自动搞定。 凭啥让AI最贵、最慢的那颗大脑,去包办每一步怎么迈? 换上Agnes Harness的决策模型后,机器狗自己就能秒判「门在不在眼前、距离够不够」,毫秒级连贯做完一串动作。 同样的活,耗时直接砍掉32.9%。 这背后,是Agnes Harness的第一个核心设计:双系统决策。 很多Agent的做法是,把大模型摆在C位,做啥都需要问一遍。质量是有保障,可就像每件事都要CEO亲自签字,CEO再能干,流程也快不起来。 想省钱换个轻量模型?速度是上去了,一碰到复杂情况就露馅。快和准,好像只能二选一。 Agnes Harness的设计思路,就是按任务难度去分工。 大脑(大语言模型):管深度思考,理解用户意图、拆解复杂任务、做规划、处理突发异常。 小脑(决策模型):管快速反应,任务状态已经很明确时,下一步调哪个工具、请求往哪路由、流程怎么走,它直接拍板。 这颗「小脑」,就是Agnes以插件形式接入框架的决策模型Agnes Sys1 1.0。 参数仅有9B,单机就能部署,专攻工具选择、流程判断、请求路由和有序评分,常规任务里能做到亚秒级决策。 不难看出,这套分工跟心理学家卡尼曼提出的「系统1、系统2」如出一辙。一个靠直觉秒反应,一个靠理性慢推演。 常规判断交给Sys1,大模型被调用的次数少了,等待少了,钱也省了。 更关键的是,这颗小脑还可以随时换。 默认配的是Sys1,但开发者也能按场景,随时能换成别的决策模型。 毕竟做客服、跑仓储、审代码,需要的「直觉」各不相同,框架直接把自定义的空间留给了你。 不过,「快」只是解决了一半的问题。 这一次学得会,下一次用得上 真正的智能,不应该只是执行指令。错误地指令执行得再快,还不如不执行。 它必须能在实践中摸爬滚打、积累经验,并持续改进。 为此,Agnes Harness设计了一条从「模型适应」到「系统优化」的双层自进化路径: 模型层靠TTT当场适应,系统层靠RSI长期积累。 第一层TTT,让小脑现场学习 通常情况下,训练和推理是泾渭分明的两个阶段。 但在真实业务现场,数据格式千奇百怪,小众语境层出不穷,只靠预训练学到的知识,往往会「水土不服」。 为此,负责高频快速判断的小脑Sys1搭载了TTT(Test-Time Training,测试时训练)机制。 它的工作原理极其精妙: 在Agent面对当前任务材料、准备输出判断的前一刻,Sys1会从当前的上下文中自动提取信息,构建一个轻量、可验证的「辅助任务」。 接着,模型会在 单次请求内 ,完成少量的参数更新。为了兼顾速度与稳定性,更新被严格限制在模型末端的 RMSNorm缩放参数 上。 这就像一名即将上场的狙击手。他不会只凭在训练营里学的理论开枪,而是在扣动扳机前,先抓起一把土,感受一下当下的风速和湿度,迅速调整自己的瞄准镜。 通过 TTT,决策模型在毫秒级的时间内,适应了对当前特定任务格式与语境。 而且这种更新是局部、即时的, 不会影响下一次请求的基线状态 :这次现场适应完,下次重新出发,不会把模型「越调越歪」。 模型在任务中保持了敏锐的嗅觉,这是第一层进化。 第二层RSI,让系统越干越熟练 第二层进化,Agnes Harness则将复盘能力赋予了系统层。 依托Harness的记忆机制(事件账本与状态记录),RSI在系统后台扮演着一个极其严苛的「复盘导师」角色。 RSI会时刻监控Agent的任务执行现场,敏锐地捕捉到哪里报错了、哪个环节因为反复重试导致效率低下。 而识别到问题后,系统会自动复盘,分析上下文与设备状态,推演出新的执行策略(比如调整API调用顺序、增加校验条件)。 之后,系统还会效果验证。带着新策略,Agent 会在当前会话或后续相似任务中进行实盘验证。 而最核心一步是经验沉淀。 一旦策略被验证有效,RSI 会将这一套成功的流程,直接沉淀封装为 Skills(技能) 和 版本化的 Playbook(剧本)。 这意味着,智能体将偶然的成功,固化成了必然的能力,写下了一本属于自己的「通关秘籍」。 实战:看它怎么越干越熟 空口说进化太抽象,直接看几个真实案例。 设备入库验收看似简单,实际上很考验细节:秤台读数什么时候算稳定,各个步骤按什么顺序执行,任何一个环节出错都可能导致失败。 首次执行时,Agent正是因为不熟悉秤台稳定判断、操作顺序出错,最终超时,耗时30分钟仍未完成。 RSI随后对这次执行进行了复盘,自动记录下秤读数的正确提取时机,并归纳出一份操作手册。 在下一次任务中,Agent按照已验证的流程执行,8分钟内顺利结案。 下面这个,是整套流程中最复杂的一个。 在行李房场景中,Agent需要扫码识别一件易碎行李的归属并完成分拣,同时对另一件行李进行实测称重,判断是否需要暂留。 首次执行时,扫码和分拣都顺利完成,但由于设备操作冲突、称重时机不当,Agent始终没能拿到有效读数。 RSI随后进行了多轮分析与优化,逐步调整设备调用顺序、称重前置条件和读数校验方式,并将跑通的流程沉淀为可复用经验。 优化后,Agent成功测得行李重量为12.60公斤,确认超过标重4.60公斤,并触发暂留条件。 最终,9项评测全部通过,后续三次独立复验也全部通过。 TTT让小脑在每一次判断中更贴合现场,RSI让系统在每一次任务后更加熟练。 两层叠加,Agent就不必每次都从零开始。 给AI拼出一副「完全体」 把前面这些拼在一起,Agnes Harness的整体架构就浮现出来了,它几乎就是照着人设计的。 大语言模型是大脑,负责深度思考。Sys1是小脑,
这篇文章对您有帮助吗?
订阅66必读
每日精选科技资讯,直达你的邮箱