双系统决策 + 双层自进化,Agnes Agent 最高提速 14 倍、成本降至 1/27

Agnes Harness 框架推出 Sys1 双系统决策搭配 TTT×RSI 双层自进化方案,解决传统 Agent 每一步动作都调用大模型、推理慢、token 成本高的痛点,常规任务交给 9B 轻量 Sys1 决策模型快速判断,复杂推理才触发大模型,实测场景下 Agent 决策效率最高提速 14 倍,单次决策成本直接降到原来的 1/27,同时双层自进化机制让 Agent 在任务执行中一边现场适配、一边沉淀标准化技能,不用反复做全量微调,兼顾速度、成本和持续迭代能力,下面把架构分工、测试数据、自进化逻辑、落地边界整理清楚。

Agnes 核心测试数据对照表

测试项目纯大模型 System2 方案Agnes Sys1+System2 双系统方案提升幅度
漏水模拟任务单次决策耗时7.6 秒0.53 秒最高提速约 14.3 倍
行李房场景单次决策成本0.00247 美元0.000091 美元成本约为原来 1/27
Sys1 决策模型参数——9B,支持单机部署轻量化、亚秒级输出
触发逻辑所有步骤都调用大模型常规动作 Sys1 处理,置信不足自动切到大模型按需调用,减少大模型调用频次

一、Sys1 双系统决策(快慢双脑分工)

这套设计参考卡尼曼快慢思考理论,分成两套模块各司其职:

  1. System1(小脑,Sys1.0 9B 决策模型):负责高频、确定性的流程判断,包含工具选择、路由判定、是否继续执行、是否转交大模型,亚秒级给出决策结果,适合大量重复的中间步骤。
  2. System2(大脑,主大模型):负责深度推理、用户意图拆解、长任务规划、异常处理、边界难题,只有 Sys1 判断拿不准的时候才会唤醒。
  3. 自动切换机制:Sys1 自带置信度阈值,置信度达标就直接执行;低于阈值,自动回退给 System2 大模型,保证任务不会因为轻量化模型出错崩盘。

二、TTT×RSI 双层自进化架构

双层自进化分为模型层即时适应、系统层经验沉淀两层,也就是 TTT 和 RSI 组合:

  1. TTT 测试时训练(模型层即时进化):在单次任务执行过程里,只微调模型末端少量缩放参数,根据实时反馈现场适配当前任务,不会改动模型基线,做完本次任务就恢复基线,不会出现越调越跑偏的问题,适合现场陌生工况快速适配。
  2. RSI 经验沉淀(系统层长期进化):当某一套流程多次验证稳定有效,就把这套执行链路封装成版本化 Skill 技能、Playbook 剧本,沉淀到技能库,后续同类任务直接复用这套成熟流程,不用从头推理。
  3. 组合优势:一次任务里面既能当场适配特殊情况,又能把成功经验固化,越用越稳定,减少人工写提示词、人工标注的工作量。

三、传统 Agent 的痛点清单

  • 传统方案每一步工具调用、每一次分支判断都要调用大模型,token 消耗高、延迟高;
  • 单纯换小模型提速,复杂场景容易理解出错、任务失败;
  • 模型训练依赖大量离线标注,上线之后很难根据真实业务持续优化;
  • 业务流程变化之后,提示词、工作流需要人工反复修改,维护成本高。

四、Agnes Harness 落地优势

  1. 插件化架构:Sys1 决策模型、技能、工具适配器都做成插件,支持自由替换决策模型,不绑定单一基座大模型;
  2. MCP 开放标准:可以对接 ERP、MES、数据库、浏览器等各类外部系统,企业私有化部署友好;
  3. 开源底座:框架代码可审计,沉淀的技能剧本资产归属企业,降低厂商锁定风险;
  4. 适配多场景:代码 Agent、工业仿真、机器狗、业务流程自动化都可以接入这套双系统决策。

五、需要留意的局限与风险

  1. 提速和降本效果只在高频重复决策场景明显,全新、无先例的复杂推理任务,依然需要频繁调用 System2 大模型,收益有限;
  2. Sys1 的效果依赖足量同类型任务轨迹数据沉淀,新业务冷启动阶段,Sys1 准确率偏低,回退到大模型的比例会变高;
  3. TTT 是局部轻量更新,不能替代完整预训练、全量微调,重大能力升级还是需要传统训练;
  4. 业务权限、高危操作(改数据、发指令)依然要增加人工审批、沙箱隔离,不能完全交给 Agent 自主执行。

【相关 FAQ】

问题 1:双系统决策 + 双层自进化,Agnes 让 Agent 效率最高提速 14 倍,Agnes 的双系统决策指的是什么?

回答 1:双系统决策 + 双层自进化,Agnes 让 Agent 效率最高提速 14 倍,双系统决策就是 Sys1 轻量 9B 决策模型负责常规快速判断,System2 主大模型负责复杂推理,置信不足时自动切换。

问题 2:双系统决策 + 双层自进化,Agnes 让 Agent 效率最高提速 14 倍,Agnes Agent 成本降到 1/27 是什么场景测出来的?

回答 2:双系统决策 + 双层自进化,Agnes 让 Agent 效率最高提速 14 倍,在行李房物品称重、摆放暂存的测试任务里,Sys1 单次决策成本约为纯大模型方案的 1/27。

问题 3:双系统决策 + 双层自进化,Agnes 让 Agent 效率最高提速 14 倍,双层自进化 TTT 和 RSI 分别干什么?

回答 3:双系统决策 + 双层自进化,Agnes 让 Agent 效率最高提速 14 倍,TTT 是测试时训练,实现单次任务内即时局部适配;RSI 是把验证成功的流程沉淀为可复用技能剧本,长期迭代。

问题 4:双系统决策 + 双层自进化,Agnes 让 Agent 效率最高提速 14 倍,Agnes Sys1 决策模型参数是多少?

回答 4:双系统决策 + 双层自进化,Agnes 让 Agent 效率最高提速 14 倍,Sys1.0 决策模型为 9B 参数,支持单机部署,主打亚秒级工具调用和流程判断。

问题 5:双系统决策 + 双层自进化,Agnes 让 Agent 效率最高提速 14 倍,Agnes Harness 是不是只能搭配固定大模型?

回答 5:双系统决策 + 双层自进化,Agnes 让 Agent 效率最高提速 14 倍,它是插件化框架,Sys1 和基座模型都支持替换,兼容多款主流大模型,不绑定单一模型。

【参考资料】

[2026-11-20](双系统决策 + 双层自进化,Agnes 让 Agent 效率最高提速 14 倍)量子位

[2026-11-20](支撑 Anthropic 市值的 RSI!Agnes 亮出 TTT×Harness 双 RSI 进化架构)新智元

[2026-11-20](Agnes Harness 开源:快慢双脑架构,大幅降低 Agent token 成本)新浪财经

[2026-11-06](南京团队展示面向物理世界的双进化智能系统)央视新闻

【免责声明】

本文为 Agnes Harness Agent 框架技术资讯整理,提速、降本数据来自官方测试场景,实际业务收益取决于任务类型、数据沉淀量、接入系统复杂度,技术效果不代表所有场景都能达到同等指标,本文不构成技术选型、采购部署建议。

本文来自作者[硅讯回响]投稿,不代表环球科技潮立场,如若转载,请注明出处:https://www.zennew.com/bdt/202611/3561.html

赞 (0)

今日大家都在搜的词:

发表回复

本站作者后才能评论

评论列表(4条)

  • 硅讯回响
    硅讯回响 2026年11月20日

    我是环球科技潮的签约作者“硅讯回响”!

  • 硅讯回响
    硅讯回响 2026年11月20日

    希望本篇文章《双系统决策 + 双层自进化,Agnes Agent 最高提速 14 倍、成本降至 1/27》能对你有所帮助!

  • 硅讯回响
    硅讯回响 2026年11月20日

    本站[环球科技潮]内容主要涵盖:科技,科技新闻,黑科技

  • 硅讯回响
    硅讯回响 2026年11月20日

    本文概览:Agnes Harness 框架推出 Sys1 双系统决策搭配 TTT×RSI 双层自进化方案,解决传统 Agent 每一步动作都调用大模型、推理慢、token 成本高的痛点,常规任务交给 9B 轻量 Sys1 决策模型快速判断,复杂推理才触发大模型,实测场景下 Agent 决策效率最高提速 14 倍,单次决策成本直接降到原来的 1 27,同时双层自进化机制让 Agent 在任务执行中一边现场适配、一边沉淀标准化技能,不用反复做全量微调,兼顾速度、成本和持续迭代能力,下面把架构分工、测试数据、自进化逻辑、落地边界整理清楚。

联系我们

联系:143 0457 151

工作时间:周一至周五,9:30-18:30,节假日休息

关注我们