K^2-Agent：协同进化“知何事”与“知何法”以实现分层移动设备控制

现有移动设备控制代理在处理需长程规划与精确操作的复杂任务时表现不佳，主要归因于缺乏相关经验或技能生疏。本文提出 K^2-Agent，一种模拟人类认知的分层框架，将声明性知识（知何事）与程序性知识（知何法）分离并协同进化。高层推理器通过单样本演示启动，运行“总结 - 反思 - 定位 - 修订”循环，经自我进化提炼任务知识；底层执行器采用课程引导的群组相对策略优化训练。在 AndroidWorld 基准测试中，该代理仅凭原始截图即达 76.1% 成功率，并展现出强大的双重泛化能力。