AI教练带王者战队从0胜到全胜

新智元报道 一支王者荣耀 AI 战队，开局被游戏内置人机按在地上摩擦，一局都没赢过。 谁也没想到，AI教练只带它复盘了五轮，胜率竟从0%直接打到了100%！ 全程没有训练任何一个模型，每一版新战术本，都是 AI 教练自己改出来的。 这场5v5，正在南京2026物理AI与世界模型大会上直播，大屏就挂在爱思科技（Agnes AI）的展台上。 右边记着这支战队每一版的评分和胜率。 而在隔壁屏幕上，一条仿真机械臂正一边干活，一边改自己模型的参数，最快30分钟就迭代一轮。 王者战队变强，靠的是AI教练一遍遍改写战术；

机械臂越抓越准，靠的是模型边干活边学。 这正是AI自我进化的两条路，这一次，爱思同时跑通了。 这套思路有个名字，叫「万物共脑」——让智能从数字世界，走进物理世界！ 一个「脑子」根本不够用 为AI装上大脑、小脑与肉身 想想开车：判断「前方拥堵，绕道走」，靠的是大脑； 踩刹车、打方向几乎不过脑子，靠的是小脑。 要是每踩一次刹车都得先想上两秒，车早就撞了。 今天的大模型，就像一个只会动脑的司机，聪明，但反应慢。 可物理世界没有「撤回键」，所以慢一拍，就可能出事。

因此，爱思没有去堆一个更大的模型，而是照着人体的分工，给AI搭了一整套系统。 这套系统叫 Agnes Harness，是开源的Agent基础设施，一共分成六块：大脑|LLM（Agnes 3.0 Flash等）：理解问题、长远推理，想一次要1.7秒。 小脑|决策模型Jev：在有限的选项里快速拍板，0.23秒给出答案，比大模型快7倍左右； 拿不准的，再交回大模型。 反射弧|Workflow（工作流）：固定的标准动作写成既定流程，信号一到立刻触发，不占脑力。

记忆与主动性|Agent Loop（自主循环）：管住上下文和记忆，自己推着「感知、思考、行动」一轮轮往前走。 学习能力|RSI/TTT：RSI让系统自己改进做事的方法，TTT让模型边干活边学，越用越强。 身体|MHS（模型硬件标准）：AI接入物理世界的「USB接口」，机器人、小车、相机都能标准化「接上线」。 开篇那两条进化路线，靠的就是其中的学习能力。 在系统层，Agnes Harness RSI让AI自己改进做事的方法，比如改写战术、提示词和代码，模型本身一点不动；

在模型层，Agnes Embed TTT让模型边干活边学，直接更新自己的参数。 把两者合在一起，便是「双进化智能系统」。 系统进化RSI AI教练复盘五轮，战队从0胜打到全胜 展台上那支王者战队，编制照搬了一支职业电竞战队。 场上有指挥（大模型，约每30秒定一次大方向）、选手（Jev，每个英雄配一个，约每2秒做一次决策），还有负责走位、普攻、放技能的「肌肉记忆」（战术本代码，每秒执行5次）。 场下坐着的教练，则是即将上线的Agnes 3.0 Pro。 它从不上场，只在每局结束后出手。

复盘时，它看的是一份没有战争迷雾的完整录像，场上选手看不到的敌人动向，它都看得一清二楚。 可看得再全，教练能动的也只有一样东西：整支队伍的战术本，包括指挥的提示词、选手能选的动作，以及每个动作背后的代码。 至于模型本身，它一个参数都不碰。 复盘、改战术本、通过测试再上场，一轮接一轮循环下去，AI就在系统层面不断改进自己，也就是递归自我改进（RSI）。 一开始，这支队伍一局都没赢过人机。 教练改出第一版战术本后，队伍拿下首胜，胜率42%； 第二版升到63%，第三版到了90%。

到了第四版，教练开始追求赢得更快，一局从约17分钟缩短到约14分钟。 到了第五版，它对人机终于一局不输，胜率打到了100%。 胜率打满了，进化却没有停。 此后每个新版本，都得正面打赢上一版才能留下：第5版击败了第4版，第6版又击败了第5版。 大屏上的这支队伍，仍在一版一版往上进化。 除了5v5之外，Agnes还在公开的实验报告里，完整记下了1v1和3v3两组实验。 其中，3v3那组用的是一支从零开始的三人队，1v1里学到的东西一点没带。 起步阶段，它打了192局，一场没赢。

3v3对局画面，下方是指挥给每个英雄定的计划于是，AI教练开始翻录像。 它写下的批注，像极了一个被气坏的真教练。 第一轮：「79%的存活时间里，英雄血量在九成以上，却待在家里。 」原来，Jev在3.6万次决策里，有2.4万次选了撤退，活脱脱的泉水挂机。 教练当即把撤退降成兜底选项，规定英雄一脱离危险就回线。 第二轮：教练发现，指挥一喊撤退，选手有73%的时候都会去选兜底动作。 所以它干脆不许指挥再下「回血」这种计划，而是给每个英雄排好一串具体动作。

第三轮：明明局面已经是「敌方3人全死，两座塔都没了，水晶满血」，队伍的计划却还停在「发育」。 教练随即补上新规矩：敌人全灭，立刻清兵推塔！ 就这样，三轮下来，3v3对内置Bot的胜率从0涨到13%、39%，最后到了60%。 另一组1v1实验里，最开始的战术本只能赢3%。 教练一版版改下来，最好的一版胜率到了90%。 当然，教练写的新打法不能直接上场。 每一版都要先过研究人员定好的考试，一共五关：代码安全检查、和现役打法对打24局、挑战历代最强的打法、换没见过的英雄再打、对内置Bot打48局。

这些局数和门槛，教练一个都改不了。 就算拿一份和现役打法一字不差的复制品去闯关，通过率也只有1.0%。 所以1v1的六轮实验里，教练写了111个候选，最后只有4个转正。 从3%的胜率一路打到48局终检95.0分，这几轮1v1实验花掉的指挥和教练调用费，算下来一共才约33美元。 模型进化TTT 机械臂长出「肌肉记忆」，最快30分钟进化一轮 在王者荣耀里，模型的参数一个没动。 可到了机械臂这里，要改的就是模型本身了。 这是因为，模型一旦训完、部署出去，参数基本就定死了，干活时碰到的新情况，没法马上变成新本事。

放到机械臂上，问题就很具体：抓不稳，只能先攒一批数据，停下来重新训练，再部署回去。 一轮迭代往往要按周算，中间抓取失败了，还得靠人工调参。 爱思的解法，是 Agnes Embed TTT（测试时训练）模型。 它把数据采集、训练和推理放进同一个任务循环，机械臂一边干活，模型一边实时调整权重参数。 展台上演示的，是一只Franka Panda机械臂在MuJoCo仿真环境里干活：把红色方块搬进蓝色目标盘，五个步骤只要错一步，就算失败。 而且在这个实验里，Agnes Harness也跟着模型一起进化。

具体来说，机械臂每干一轮活，系统就采集它的运动轨迹，把空抓、半路掉落这些无效动作统统剔掉，只拿成功轨迹里的有效步骤去训练模型。 训完之后，再用测试集考一遍。 考过了：直接更新模型，Harness不动； 没考过：Harness出手，把抓取任务拆成更细的步骤，重新采集轨迹，再调模型参数。 也就是说，模型靠训练长本事，Harness负责把动作拆细、把训练排好，给模型创造更好的学习条件。 而且每次训练，动的参数都很少：752.4M参数的主干整体冻结，只放开后面7.35M参数的决策头，不到总量的1%。

训出来的新版本，任务完成率还要比现役版本高出至少5个百分点，才准上线。 这样练下来，在仿真研究里，机械臂的任务成功率从约30%涨到约70%，再涨到约90%。 每一轮迭代的时间，也从按周算，压到了最快30分钟至1小时。 走进物理世界 一个大脑，同时指挥机器狗、小车和火星基地 不过，会进化的大脑想走出屏幕，还得先接上「身体」。 这个过程的难处在于，机器狗、相机、机械臂各说各的协议，每接一台设备，都得重写一遍底层代码。 为此，爱思定了一套标准，叫 MHS（模型硬件标准）。

设备接入后，先到中枢AgnesHub报到，登记自己的状态、能干什么、能提供哪些数据。 之后，大模型不用碰设备的底层代码，只用7个通用工具（查看、读取、调用、停止等）就能统一指挥。 比如在一段实测里，小车Car01和机器狗Go02被放到了一起。 负责调度的Agent能用的，就是两台设备接入时登记的几项能力：看、说话、做动作、放音乐。 它先调出两台设备的摄像头，确认「两台设备面对面，相距约0.9米」，再让它们用英文互相问好。 接着，小车放起《YMCA》，机器狗跟着节拍跳了起来。

下方是两台设备摄像头的第一视角同样的办法，也能管住一整座基地。 在仿真的火星基地Mars World里，12台设备同时在线，全由同一个Agent调度。 人只说了一句「宇航员失联了」，系统就自己排好了救援：跳跃器升空找人，机器人赶到宇航员身边，气闸打开舱门，把人带回居住舱。 另一轮任务是处理陨石坠落。 负责拍板的小脑Jev只用了0.6秒，带着87%的把握，就派巡视车完成了对接。 右边是12台设备的实时状态整个调度过程中，人随时可以按下界面右上角的「全部停止」。

这个按钮背后，是MHS定下的硬规矩：设备在任何状态下都必须接受停止指令，一旦断开连接，1秒内就要停下所有动作。 急停和互锁这些最后一道保险，仍然由设备自己的控制器负责。 回到南京的展台，机器狗、瓦力和一台双臂轮式机器人，接的也是同一个Harness大脑。 现场，有人在Agnes Harness里敲下一句：「小狗，去找你的好朋友瓦力，然后打个招呼。 」Agent调出机器狗的摄像头看了一眼，回了一句：「瓦力就在正前方，正对着我！ 走过去靠近它。

」右边是机器狗摄像头的画面，瓦力就在正中间机器狗走到瓦力跟前，挥了挥爪子，大声打招呼：「瓦力，你好呀！ 好久不见，我是机