SkillX：自动构建座席技能知识库

从经验中学习对于构建有能力的 大语言模型 (LLM) 智能体至关重要，但流行的自我进化范式仍然效率低下：智能体孤立学习，从有限的经验中反复重新发现类似的行为，导致冗余探索和泛化能力差。为了解决这个问题，我们提出了 SkillX，这是一个完全自动化的框架，用于构建可跨代理和环境重用的 \textbf{即插即用技能知识库}。 SkillX 通过基于三个协同创新的全自动管道进行操作：\textit{(i) 多层次技能设计}，它将原始轨迹提炼成战略计划、功能技能和原子技能的三层层次结构； \textit{(ii) Iterative Skills Refinement}，根据执行反馈自动修改技能，不断提高库质量；和 \textit{(iii) 探索性技能扩展}，它主动生成并验证新技能，以将覆盖范围扩大到种子训练数据之外。使用强大的骨干代理 (GLM-4.6)，我们自动构建可重用的技能库，并在具有挑战性的长期、用户交互基准（包括 AppWorld、BFCL-v3 和 $τ^2$-Bench）上评估其可迁移性。实验表明，当插入较弱的基础代理时，SkillKB 持续提高任务成功率和执行效率，凸显了结构化、分层经验表示对于可泛化代理学习的重要性。我们的代码很快就会在 https://github.com/zjunlp/SkillX 上公开发布。