WikiSkill：将智能体经验编译为持久知识以实现技能演化

智能体技能将专业知识和工作流打包成可复用资源，以扩展AI智能体的能力。近期工作从智能体经验中自动发现此类技能，使智能体能够通过交互逐步适应。然而，指导技能发展的洞见通常仍散落在优化历史中，限制了它们跨迭代的系统性复用。我们提出WikiSkill，一个让智能体技能与持久知识库（wiki）共同演化的框架。总体而言，WikiSkill将原始执行经验、积累的知识和可执行技能分离开来，同时持续将经验整合到wiki中，后续的技能更新可以在此之上构建。在多个基准和模型上，WikiSkill持续优于最先进的技能演化方法，并在大多数模型—基准设置中优于无技能基线。我们发现技能演化与模型规模扩展互补：更大的模型通常从演化技能中获益更多，而带技能的小模型可以超越不带技能的大得多的模型。我们还发现，演化出的技能能有效跨模型和模型家族迁移，且其他模型演化的技能可以胜过自演化的技能。最后，我们的消融研究证实，wiki中的持久知识积累对有效的技能演化至关重要。这些结果证明了系统性地积累和提炼智能体经验对于开发可复用、可迁移技能的价值。