北京
谷歌前幾天放了一篇論文，把 Skill 這套玩法直接推到了一個新階段：讓 Agent 自己學會寫、自己學會改、自己學會刪 Skill
論文叫《# SkillOS: Learning Skill Curation for Self-Evolving Agents》
arxiv.org/abs/2605.06614 一句話概括論文
Skill 是 Agent 的"程序性記憶"，過去都是人手動寫、手動維護；SkillOS 讓 RL 訓練出來的一個"Skill Curator"自動接管這件事
整個系統由兩部分組成：
Agent Executor（凍結，不訓練） ：負責干活——給一個任務，它從 SkillRepo 里挑相關 Skill，按 Skill 執行
Skill Curator（可訓練） ：負責管 Skill——執行完一個任務后，看著軌跡決定是 insert / update / delete ，更新 SkillRepo
下圖就是 SkillOS 的整體框架，論文 Figure 1：
SkillOS 整體框架：Executor 用 Skill，Curator 改 Skill
我把這個閉環再畫成一張信息圖：
SkillOS 讓 SkillRepo 自我進化
注意一個非常關鍵的細節：Skill 的存儲格式是 Markdown 文件——和 Anthropic 那套 Agent Skills 一脈相承
論文要解決什么問題
LLM Agent 現在最大的尷尬：每個任務都是"一次性"的，做完就忘，下次相似的任務還得從頭再算一遍
業界已有幾條路線：
路線
問題
人手寫 Skill（如 Anthropic Skills）
需要大量人力專家，覆蓋不了任務多樣性
啟發式規則（A-Mem、Alita 等）
操作固定，沒法跟下游執行效果掛鉤
短 horizon RL
學不到長期、復雜的"管理"決策，比如"什么時候該刪、什么時候該合并"
SkillOS 的角度是：用 RL 訓練一個長 horizon 的 Curator，專門學習 Skill 庫的管理策略
關鍵設計
1. 任務流分組 + 兩階段評估
它把任務按"技能相關性"分組成 stream：前面的軌跡用來更新 SkillRepo，后面相關的任務用來評估"你這次更新是不是真的有用"——給 Curator 提供了延遲獎勵信號
2. 復合獎勵 (composite rewards)
光看下游對/錯沒法準確歸因到 Curator 的某次具體編輯——所以作者設計了組合獎勵，把執行反饋更精準地傳回給"那一次 Skill 操作"
3. Skill 格式定死 Markdown
跟 Claude Skills、OpenAI Skills 的存儲格式一致，方便遷移、方便人讀、方便 LLM 寫
實驗結果（結論性的部分）
論文在多輪 Agent 任務和單輪推理任務上都做了對比：
SkillOS 穩定打過 memory-free baseline 和強 memory-based baseline ——又快又準
訓出來的 Curator 能跨 Executor 主干遷移 （即你換底層模型，Curator 還能用）
訓出來的 Curator 能跨任務域遷移
更有意思的：隨著訓練推進，SkillRepo 內部會發展出**更高層級的"meta-skill"**——也就是 Skill 自己開始有層次結構、有抽象——這點很哲學了
1. 它正式把"Skill 管理"這件事變成了一個 RL 問題
之前大家想 Skill 體系，要么靠人寫、要么靠規則，SkillOS 給出了"學習 Skill 管理策略"這條路的可行性證明
2. 它選了 Markdown 作為載體
這個選擇不是巧合，Anthropic Skills、OpenAI 最近的 Skill 體系、Hermes Agent 的 Universal Skills 全是 Markdown——這意味著學界和業界的"Skill 格式標準"正在收斂
3. 它給 self-evolving agent 提供了一個具體抓手
"自進化 Agent"這個詞喊了快一年了，但具體怎么"進化"一直沒明確錨點，SkillOS 把錨點定在"Curator 學會管理 SkillRepo"上，這條線比模糊地說"加 memory"要清晰得多
局限和疑問（我個人的看法）
論文里 RL 訓練成本到底多大，沒充分展開——這是工程上的真問題
"Curator 能跨任務域遷移"聽起來很美，但跨度有多大？需要更多對照實驗
Markdown 是好選擇，但 Skill 間的依賴、版本、沖突怎么處理，是后續要補的拼圖
我之前文章里多次說過，Skill 會成為 Agent 體系的標配，SkillOS 這篇論文又往前推了一步：Skill 這套體系不僅要會用，還要會"管"，而"管"也可以被訓練
接下來一年，估計會看到一波"用更聰明的方法管 Skill"的工作冒出來——SkillOS 是其中很扎實的一篇
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
