MUSE-Autoskill：经由技能创建、记忆、管理与评估的自我演化智能体

大语言模型 (LLM) 代理依靠可重用的技能来解决复杂的任务。然而，现有的技能创建方法将技能视为孤立的静态工件，限制了其可重用性、可靠性和长期改进。我们提出了 MUSE-Autoskill Agent（内存利用技能进化），这是一种以技能为中心的代理框架，让代理在统一的生命周期（创建、记忆、管理、评估和细化）下通过创建、重用和精炼技能来不断提高其任务解决能力。我们的框架使代理能够按需创建技能，跨任务存储和重用它们，有效地组织和选择它们，并通过单元测试和运行时反馈来评估它们以进行持续改进。我们进一步引入了技能级别记忆，可以跨任务积累每种技能的经验，从而随着时间的推移实现更有效的重用和适应。 SkillsBench 上的实验提供了初步证据，表明生命周期管理的技能可以提高任务成功率、效率、重用和跨代理转移，强调将技能视为长期、体验感知和可测试资产的重要性。