Memento-Skills：让智能体设计智能体

我们提出Memento-Skills，这是一个通用型、可持续学习的LLM智能体系统，充当“设计智能体的智能体”：它通过经验自主构建、适配和改进面向特定任务的智能体。该系统构建于带有有状态提示（stateful prompts）的基于记忆的强化学习框架之上，其中可复用技能（以结构化markdown文件存储）充当持久且不断演化的记忆。这些技能同时编码行为与上下文，使智能体能够跨交互传承知识。从简单的基础技能（如Web搜索和终端操作）出发，智能体借助Memento 2中提出的读写反思学习（Read–Write Reflective Learning）机制持续改进。在读阶段，行为可训练的技能路由器根据当前有状态提示选择最相关的技能；在写阶段，智能体基于新经验更新并扩充其技能库。这一闭环设计实现了无需更新LLM参数的持续学习，因为所有适配都通过外置技能与提示的演化来完成。与依赖人工设计智能体的既往方法不同，Memento-Skills使通用智能体能够针对新任务端到端地设计智能体。通过迭代式的技能生成与精炼，系统逐步提升自身能力。在General AI Assistants基准和Humanity's Last Exam上的实验展示了持续增益，总体准确率分别取得26.2%和116.2%的相对提升。代码已发布于 https://github.com/Memento-Teams/Memento-Skills。