🤖 AI

SkillSmith: Co-Evolving Skills and Tools for Self-Improving Agent Systems

SkillSmith 是一个新颖的框架，它通过一个由生态效用模型和反模式学习引导的协同感知过程，使自我改进型智能体能够共同演化技能与工具，从而在复杂的多技能任务上超越现有基准。

原作者： Yangbo Wei, Zhen Huang, Shaoqiang Lu, Junhong Qian, Qifan Wang, Chen Wu, Lei He

发布于 2026-06-02

📖 1 分钟阅读☕ 轻松阅读

原作者： Yangbo Wei, Zhen Huang, Shaoqiang Lu, Junhong Qian, Qifan Wang, Chen Wu, Lei He

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下你拥有一个非常聪明的机器人助手。这个机器人擅长思考和规划，但要真正执行现实世界中的任务（比如搜索网页、阅读 PDF 或发送电子邮件），它需要一套工具和一套使用这些工具的指令。

在过去，研究人员试图通过仅升级其“指令”（称为“技能/Skills”）来让这些机器人变得更好。他们会说：“如果这项任务失败了，请重写你的计划。”但他们让“工具”（比如搜索引擎或 PDF 阅读器）保持原样，即使这些工具已经损坏或过时了。

SkillSmith 是一个改变这种做法的新系统。它不仅仅是修复指令，而是同时修复指令和工具，并保留一份关于哪里出错的日记，以免犯同样的错误。

以下是 SkillSmith 的工作原理，我们使用简单的类比来解释：

1. “原子捆绑包” (Atomic Bundle)：同时修复食谱与菜刀

想象一位厨师正在尝试做汤。

旧方法： 如果汤的味道不好，厨师只会重写食谱。但如果他用的菜刀很钝呢？无论食谱多么完美，蔬菜都无法切好。厨师可能会写出一个复杂的食谱，比如“因为刀钝，所以要非常缓慢地切菜”，这会让整个过程变得混乱且容易出错。
SkillSmith 的方法： 当汤的味道不好时，SkillSmith 会观察全局。它意识到菜刀钝了。因此，它会创建一个统一的“修复包”（即原子捆绑包）。这个包同时做两件事：
1. 磨利工具（菜刀）。
2. 更新技能（食谱），以便能正确使用这把锋利的菜刀。

这确保了机器人不会仅仅通过复杂的变通方法来掩盖工具损坏的问题，而是从根源上解决问题。

2. “生态系统” (Ecosystem)：作为丛林中动物的技能

想象机器人的技能就像生活在丛林中的动物。

旧方法： 研究人员单独观察每种动物（技能）。他们会问：“这头狮子擅长狩猎吗？”他们并不关心这头狮子是否正在和旁边的老虎争斗。
SkillSmith 的方法： SkillSmith 将技能视为一个活生生的生态系统。它使用一种数学模型（灵感来自自然界中动物之间的竞争或协作）来观察技能如何相互作用。
- 竞争： 如果两个技能做完全相同的事情，它们就会浪费能量。SkillSmith 可能会让其中一个退役。
- 冲突： 如果两个技能试图做互相抵消的事情（例如，一个试图进行广泛搜索，而另一个试图屏蔽所有搜索），SkillSmith 会识别出这种“负能量”并修复冲突。
- 协作： 如果两个技能结合在一起比分开工作效果更好，SkillSmith 会鼓励它们组队。

这让机器人的大脑保持井然有序，防止被无用或冲突的指令所填塞。

3. “反模式记忆” (Anti-Pattern Memory)：一份“不要这样做”的清单

想象你正在学习开车。

旧方法： 如果你出了车祸，你会从中吸取教训，但如果你忘了，下周你可能还会以同样的方式出车祸。
SkillSmith 的方法： SkillSmith 记录着一份详细的失败日记。当机器人发生故障时，它不仅修复故障，还会记录下为什么会发生故障以及是什么原因导致的。
- 它会为错误创建一个“指纹”（例如，“尝试打开一个不存在的文件”）。
- 在机器人尝试新计划之前，它会检查这份日记。如果新计划看起来像过去的错误，SkillSmith 会说：“停！我们以前试过这个，但失败了。”
- 这阻止了机器人反复尝试那些注定失败的想法，从而避免浪费时间。

为什么这很重要？

研究人员在三种不同类型的困难任务上测试了 SkillSmith（例如阅读复杂的财务文档、回答棘手的问题以及执行多步骤的数字杂务）。

它随着机器人变得更聪明而变得更好： 当他们使用更大、更强大的 AI 模型时，SkillSmith 的优势也随之增长。机器人越聪明，它协同使用这些新工具和技能的能力就越强。
它能处理复杂性： 当任务变得更难、需要同时使用许多技能时，SkillSmith 仍在持续改进，而其他方法则停止了进步（遇到了瓶颈）。
它更高效： 通过直接修复工具，SkillSmith 比那些只尝试重写指令的方法能更快、尝试次数更少地解决问题。

简而言之： SkillSmith 就像一位高级技师，他不仅告诉汽车如何开得更好，还会调校引擎、修理轮胎，并记录每一次故障，以便汽车永远不会以同样的方式坏掉。

技术摘要：SkillSmith —— 用于自我进化智能体系统的技能与工具协同演化

1. 问题陈述

近期，大语言模型（LLM）智能体的研究重点已从孤立的工具调用转向结构化的技能（Skills）——即包含工作流、脚本和元数据的封装包，作为外部非参数化状态存在。尽管现有框架能够实现技能的发现与精炼，但它们仍面临三个关键局限性，阻碍了鲁棒的自我进化：

固定的工具层（Fixed Tool Layers）： 大多数系统将工具层视为不可变的。当由于缺失、脆弱或规格错误的工具导致失败时，系统被迫通过创建臃肿且易错的技能工作流来进行过度补偿，而非在工具层面修复根本原因。
孤立的技能评估（Isolated Skill Evaluation）： 现有的进化方法通常独立地对技能进行变异和评估。这忽略了现实情况：智能体通常会同时检索、组合并应用多个技能，从而无法考虑到技能之间的协同作用或冲突（干扰）。
缺乏失败记忆留存（Lack of Failure Retention）： 失败的轨迹往往在用于反思后即被丢弃。如果没有一种保留“失败特征”（反模式）的机制，智能体会面临重复诊断相同错误或重新生成已退役配置的风险，从而浪费计算资源并导致进化停滞。

2. 方法论：SkillSmith 框架

SkillSmith 是一个感知协同效应的框架，它共同进化技能、工具和失败记忆。它将智能体的外部状态建模为一个三元组 $\Sigma_t = (S_t, T_t, F_t)$ ，其中 $S_t$ 是技能库， $T_t$ 是工具库， $F_t$ 是反模式记忆。该系统通过包含四个阶段的迭代循环运行：

A. 统一反思与原子包提案（Unified Reflection and Atomic Bundle Proposals）

不同于生成孤立的编辑，SkillSmith 的反思器（ $R$ ）生成原子提案包（ $L_t$ ）。这些包同时更新技能和工具。

工具生命周期原语： 为了防止搜索空间爆炸，工具进化被限制在五种类型的操作中：WRAP（添加前后处理）、EDIT（修改实现或签名）、COMPOSE（链式组合工具）、SPLIT（分解复杂工具）以及 RETIRE（移除过时工具）。
原子性： 变更被同步应用。例如，如果一个工具为了处理新的输入格式而被进行了包装，那么调用该工具的技能也会在同一个包中进行更新以匹配新接口，从而确保中间状态的有效性。
否决机制： 在提交之前，提案会根据反模式记忆进行检查，以确保不会复制已知的失败模式。

B. 感知协同效应的技能生态系统动力学

SkillSmith 将技能库视为一个共享的生态系统，利用 Lotka–Volterra 动力学来模拟交互：

交互矩阵： 基于执行轨迹，系统估算一个成对交互矩阵 ( $\hat{\beta}_{ij}$ )。正值表示互补性（协同），负值表示干扰（冲突）。
动态效用： 技能的效用不仅取决于其孤立性能，还会根据其与其他活跃技能的交互进行调整。这指导了检索、变异优先级排序和退役过程。那些抑制有用邻居或功能重复的技能会被降级。
帕累托管理（Pareto Management）： 系统在实例层面维护一个非支配系统状态的帕累托前沿，确保针对特定任务族的专门化配置不会在整体平均值中丢失。

C. 反模式记忆（Anti-Pattern Memory）

组件 $F_t$ 存储结构化的失败记录 ( $\phi = \text{signature}, \text{attribution}, \text{remedy}$ )。

诊断加速： 当发生新失败时，系统会检索相似的历史失败案例，以加速根因分析。
提案否决： 如果一个提议的包类似于已知的失败模式，系统会否决该提案，防止出现“失忆性回归”，即智能体重新发现并再次在同一问题上失败。

D. 验证与状态更新

提议的包需经过渐进式验证：

工具单元测试： 确保新修改的工具在隔离状态下功能正常。
端到端集成测试： 在任务批次上验证该包。
回归检查： 确保更新不会降低已掌握任务的性能。
只有通过验证的包才会被纳入帕累托前沿，并更新生态模型。

3. 核心贡献

技能-工具协同进化： 本文引入了一个统一的框架，超越了仅针对技能优化的范畴，允许智能体直接修复工具层面的瓶颈。这解决了先前工作中“固定工具”的局限性。
生态效用建模： 提出了一种利用 Lotka–Volterra 动力学估算技能交互的新方法，使系统能够推理互补性和冲突，而非将技能视为独立的模块。
反模式记忆： 框架形式化了失败诊断和补救措施的留存，创建了一个“负向知识库”，从而防止重复错误并加速诊断。
理论保证： 作者提供了一个证明，表明当任务分布包含初始工具集中不存在能力的硬子集时，联合技能-工具优化具有比仅技能优化更高的理论上限。

4. 实验结果

该框架在三个基准测试上进行了评估：OfficeQA（结构化文档推理）、SealQA（含噪声的基于搜索的问答）和 WildClawBench（复杂的、多步交互式任务）。实验涵盖了五个 Qwen3.5 模型规模（9B 到 397B）。

性能提升： SkillSmith 始终优于强基线（Base Agent, EvoSkill, SkillClaw）。在 397B 规模下，它在 OfficeQA 上达到了 80.1%（比 Base 高出 18.3%），在 SealQA 上达到了 49.5%（比 Base 高出 18.9%）。
缩放效应： SkillSmith 的性能优势随模型规模和任务复杂度呈单调增长。在 WildClawBench 上，虽然仅针对技能的基线由于工具瓶颈在第 2–3 天就进入平台期，但 SkillSmith 在第 6 天仍在持续改进。
消融实验：
- 锁定工具层： 移除工具更新导致了最大的性能下降（在 WildClawBench 上下降 6.8%），证实了协同进化的必要性。
- 移除生态动力学： 这导致了库膨胀（21+7 个组件对比 14+6 个）并降低了检索准确率。
- 移除反模式记忆： 这使回归率增加了三倍，因为系统反复提出了已知会失败的配置。
成本效率： 尽管由于工具验证导致单次迭代成本较高，但 SkillSmith 收敛更快（在 OfficeQA 上为 13 次迭代，而 EvoSkill 为 18 次），从而实现了更低的总体计算成本和更高的最终准确率。

5. 重要性与主张

本文主张 SkillSmith 代表了从局部策略修补向可持续能力进化的转变。通过共同进化技能和工具，系统可以解决失败的根源（例如工具无法解析特定格式），而不是在技能层面应用脆弱的权宜之计。

作者强调，该方法使智能体能够：

修复工具层瓶颈： 当工具是失败来源时，直接修复或组合工具。
管理复杂度： 使用生态动力学来维持一个精简、非冗余的技能库，以适应任务复杂度。
从失败中学习： 系统地积累负面经验以避免重复错误，这是自我改进系统中经常缺失的能力。

文章总结道，尽管目前仍存在局限性（依赖于 LLM 反思质量、稀疏数据下的冷启动噪声），但该框架为构建能够在复杂、工具丰富的环境中进行长期、自我维持式改进的智能体提供了坚实的基础。