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：把 Agent 经验沉淀为知识库，小模型胜大模型(11 条相关)→
「编程与Agent」频道最新
- 开源 PR 审查 Agent Loupe，支持自定义 — andersonbcdefg · 2026-09-01
- 生产环境 LLM 决策不应依赖「感觉更好」 — camerongreen95 · 2026-09-01
- Hermes Agent 代劳 Slack 邮件监控，自动生成任务初稿 — intellectronica · 2026-09-01
- 开源免费的澳大利亚工作日 MCP 服务器 — Impossible_Bit_2676 · 2026-09-01
- 从零开始，AI Agent 应该优先自动化什么？ — omnidimension85 · 2026-09-01
- SparkLLM 开源 X2.5 端侧模型：原生 100 万上下文支持 200 多种语言 — vllm_project · 2026-09-01