XSkill：多模态智能体从经验与技能中持续学习

多模态智能体现在能够借助多样工具处理复杂推理任务，但在开放式环境中仍受制于低效的工具使用与僵化的编排。一个核心挑战是让此类智能体无需参数更新，就能通过学习过往轨迹持续改进。我们识别出对这一目标至关重要的两种互补的可复用知识：经验，为工具选择与决策提供简明的动作级指导；技能，为规划与工具使用提供结构化的任务级指导。为此，我们提出XSkill，一个让多模态智能体从经验与技能中进行持续学习的双流框架。XSkill将知识抽取与检索都锚定在视觉观测上。在积累阶段，XSkill通过视觉锚定的摘要与跨rollout批判，从多路径rollout中蒸馏并整合经验与技能。在推理阶段，它检索这些知识并适配当前视觉情境，同时将使用历史反馈回积累环节，形成持续学习闭环。在覆盖多领域的五个基准、四种骨干模型上的评估显示，XSkill持续且大幅超越仅用工具与基于学习的两类基线。进一步分析表明，两种知识流在影响智能体推理行为方面发挥互补作用，并展现出更优的零样本泛化能力。