Google WikiSkill：让 Agent 把踩坑经验沉淀为可复用技能
xiaohu · x · 2026-09-01
Google Research 提出了 WikiSkill 框架，旨在让 AI Agent 将执行任务中的经验和教训沉淀为像维基百科一样的持久知识库，从而持续进化出更强的可执行技能。
核心痛点
现有的 Agent 技能进化方法通常只优化当前的 Skill，未单独维护持续增长的知识库。这导致经验难以跨轮次复用、失败修改的价值容易丢失，且 Skill 因承载过多职责而容易膨胀。
三层知识架构
WikiSkill 引入了分层工作空间解决知识断档：
- Raw Layer（原始层）：保存完整执行轨迹，只写不改，保证真实性。
- Wiki Layer（维基层）：保存认识，将轨迹中的共同模式整理成独立页面。
- Skills Layer（技能层）：保存动作规则，供执行 Agent 读取，并能追溯到背后的证据和原因。
效果
在五个测试模型上，WikiSkill 的平均分均领先现有基线。9B 模型配合该技能甚至能超过无技能的 27B 模型表现。
所属事件:谷歌 WikiSkill：用持久知识库让 Agent 越用越强(11 条相关)→
「编程与Agent」频道最新
- 相连的步骤≠工作流：Agent 跨应用交接无人把关 — usehive · 2026-10-16
- 用 Opus/Astra/Argon 生成 Blender 动画：怎么描述依然决定成败 — chongdashu · 2026-10-16
- 32GB 内存+8GB 3070 跑 PolyStrata+ Cline，约 90 tok/s — rpwoerk · 2026-10-16
- 模型能力还是基础设施？Agent 评测的分层归因难题 — jrxna · 2026-10-16
- 让 Claude 读完书和高手代码再写 claude.md,「已比我写得好」 — blaizedsouza · 2026-10-16
- Claude Code 插件 /label：一步自动命名并着色会话 — hermanschutte · 2026-10-16