一句话定义：TTSE 是 openJiuwen 首发的智能体经验学习框架（Experience Learning），核心动作只有一个：把智能体执行任务时留下的完整轨迹（trajectory）提炼成可检索、可复用的经验，让它在下次遇到类似任务时不必从零摸索。
为什么只“记住”还不够
智能体干活时会产生大量过程数据：看到了什么、想了什么、调用了哪个工具、结果如何、哪一步走错了。这些原始记录本身价值有限，因为又长又杂，还混着大量一次性细节，直接塞回上下文既占地方，也会带来误导。
这份差别，好比医院的病历和临床指南。一份份病历是原始轨迹，只有把几百份病历归纳成“这类病人先查什么、什么情况下加做什么”，它才成为别人能直接用的知识。TTSE 要做的就是这件归纳整理的工作：先采集轨迹，再抽掉具体的人名、日期、单次参数，只留下“什么条件下做什么动作、结果如何”，然后靠实际成败筛选哪些经验值得保留，最后在下次任务中按情境检索调用。
和 RSI、技能内化的区别
这三条路线常被混为一谈，其实它们改变的东西完全不同：
| 维度 | TTSE（经验沉淀） | RSI AI 词典：递归自我改进">递归自我改进 | 技能内化 |
|---|---|---|---|
| 作用对象 | 外部经验库 | 系统自身策略与能力 | 固化成技能、工具、提示词或模型权重 |
| 典型形态 | 一条条可读的经验文本 | 被改写的行为策略 | 技能库条目、函数、微调后的模型 |
| 可解释性 | 高，人能逐条审 | 低，能力变化难追溯 | 中，取决于固化形式 |
| 改动成本 | 低，增删一条即可 | 高 | 高，改完难以回滚 |
| 主要风险 | 经验过时、错误经验被放大 | 自我修改失控 | 固化过早，等于把错误写进系统 |
RSI（Recursive Self-Improvement，递归自我改进）追求的是能力上限本身被抬高，野心大但难验证；技能内化是把经验彻底变成系统的一部分，效率高但调整起来成本大；TTSE 走的是中间路线，经验留在系统外面，人能读、能审、能删，出问题改一行字就行。
企业落地时该看什么
对 AI 从业者来说，最实用的启示是：不必一开始就想着训练模型，先确保轨迹采集得干净、反馈信号判得准。轨迹录不全，后面无论怎么提炼，得到的都是不可靠的经验。
对普通职场人来说，TTSE 讲的就是交接文档的正规做法：先不急着口口相传，而是把“什么情况下该怎么处理”写下来、验证一遍、持续更新。
它的适用边界也很清楚：任务重复度高、结果好坏可判定、错了能回滚的场景最合适，比如客服应答、运维排障、数据分析流程。反过来，一次性创意任务、反馈稀疏、错误代价极高且收不回来的领域，经验库反而可能变成负担；环境变化太快时，旧经验会迅速过期，甚至把系统带偏。所以真要用起来，经验的版本管理和“这条经验还成立吗”的定期复核，比框架本身更值得投入。具体能力边界以官方页面为准。