Google 刚刚发布了一篇重磅论文。
如果你正在为智能体（Agent）编写或策划技能（Skills），这篇论文绝对不容错过。

所谓“智能体技能”，本质上就是存放指令的文件夹，智能体在执行任务时会遵循这些指令。如今，人们越来越倾向于让智能体自己编写这些指令。

这个循环很简单：让智能体执行一些任务，分析失败的运行记录，重写指令，但只有当保留集（held-out validation set）上的分数提升时，才保留这次重写。

最后这一步验证至关重要，因为如果某次修改悄无声息地降低了智能体的表现，这种退化会随时间不断累积。因此，系统总是先应用修改、进行测试，一旦发现分数下降就立即回滚文件。

问题出在这里： 分析智能体为何失败是最耗资源的部分，因为这需要阅读完整的运行轨迹（traces），并将失败的运行与成功的运行进行对比。

然而，这种诊断过程从未被记录下来。系统保存的仅有新生成的指令文本本身。

于是，当指令被回滚时，背后的分析发现也随之丢失。下一轮迭代读到同样的失败案例，得出同样的结论，往往又会提出那个已经被证明无效的修复方案——因为它完全没有关于“该方案曾被尝试过”的记忆。

WikiSkill 通过将单一文件夹拆分为三个部分解决了这个问题：
原始轨迹（Raw traces）：只写入一次，永不修改。
知识库（Wiki）：积累沉淀的知识，记录哪些环节反复出错、哪些方法有效，以及迄今为止每一次编辑尝试及其通过或失败的原因。这里的内容永不删除。
技能本体（Skills）：每当编辑导致效果变差时即回滚。

这样一来，指令可以回滚，但支撑指令的认知理解永远不会丢失。

他们举的例子很好地说明了这一点：早期某个技能因过于模糊而被拒绝，这一拒绝记录并未消失，而是被记录在案。

下一轮迭代读取日志，发现模糊版本已失败，便改写出了一条具体的规则来替代它。这一次，新规则被接受了。

面对同样的失败、同样的分析，第二次尝试之所以成功，是因为它从一开始就知道什么方法是行不通的。

作者通过关闭知识层证实了这正是性能提升的主要来源：平均得分下降了约四分之一。

另外两个发现也值得一读：
拥有进化技能的小模型击败了没有任何技能的更大模型；而且由一个模型进化出的技能可以跨模型家族迁移，有时甚至比目标模型为自己编写的技能效果更好。

论文链接 → https://arxiv.org/abs/2608.27454
#howto用好AI #ai #大模型