SkillEvo：源自多轮交互反馈的自我更新进化梯度

如今的Agent Skill要么由人工编写，要么由单次LLM生成产出，因而缺乏一个能从其真实引发的交互失败中改进的闭环。近期工作确实闭合了这一回路，但其反馈来自单轮问答评估。后果是一种明显的不对称：一旦第一轮修补了单次交互能暴露的缺口，进化梯度便衰减，只在多轮交互中才显现的缺陷依然不可见，进化随之停滞。这些系统中的治理同样由端到端验证分数驱动——一个标量门控，它能拒绝退化的候选版本，却既无法定位也无法修复其结构性成因。我们认为，制约技能持续进化的关键既非编辑能力也非迭代次数，而是评估反馈能否持续提供可信的进化梯度。我们提出SkillEvo，其中可信反馈产生梯度，可控治理约束其方向。第一个组件将多轮用户模拟从评估终点重塑为反馈生成器：追问逐层暴露缺陷，使每一轮修订既消费反馈又产生新反馈。第二个组件用独立治理层取代标量门控的被动拒绝，主动修复事实退化与结构膨胀，防止退化累积导致梯度漂移。在六类云服务、9个生产级Skill与98个技能参考文件上，SkillEvo超越基于自反思的进化23.0分，超越单轮QA驱动进化15.4分。