用于智能体技能进化的轨迹引导故障定位

代理技能为代码代理提供可重用的指导，但不完整或不合适的指导可能会损害任务执行。为了减少技能细化的手动工作，最近的方法使用LLM根据执行反馈生成修订。然而，将这些修订建立在明确的行为证据之上仍然具有挑战性。为了解决这一差距，我们提出了 SkillMorph，这是一种基于轨迹引导的代理技能故障定位的技能进化方法。其核心思想是在生成修订之前将执行证据与具体技能内容联系起来。具体来说，SkillMorph 会比较重复运行和任务的抽象轨迹中的失败和成功证据，结合进化循环之间的变化来识别可疑行为。然后，它使用这些可疑操作来本地化技能中的编辑站点并生成相应的修订。在 SWE-Skills-Bench 和 CannBot 上的实验表明，SkillMorph 演化出的技能始终比原始技能和四个现有技能获得更高的试验级别准确性和执行一致性。 技能进化方法。我们还与 AI 操作员开发团队一起将 SkillMorph 应用于自动化内核生成，该团队已接受 6 个技能修订拉取请求。