Skill∞：智能体技能优化的递归自改进框架
🧭 Agent 递归自改进 · 技能优化 ★ 深度解读
National University of Singapore · City University of Hong Kong
将技能优化流程编码为可自我优化的 meta-skill，实现跨任务复用的递归自改进
📌 工作参考价值（4 点）
- 在电商/搜索推荐的 Agent 平台中，把策略优化器（如 query 改写、召回策略、排序规则的生成与迭代流程）封装成可被自身优化的 skill，让优化器随业务反馈递归进化，替代人工设计 pipeline。
- 独立 reviewer 机制值得借鉴：对候选策略用隔离上下文评审，拒绝未激活、不可用或仅靠噪声涨分的候选，可以降低离在线指标误判和 reward hacking 风险。
- 采用原生 skill discovery（仅凭 name/description 让 Agent 自主加载）而非 prompt 注入，更贴合部署环境；把 description 纳入优化范围可提高激活率，这对推荐 Agent 的 skill 路由设计很实际。
- 解耦 meta-skill 与任务 skill，先在多个优化任务上提炼通用优化器，再复用到不同类目/国家/活动场景，摊薄自改进成本，适合多业务线共用一个优化框架。
代码技能服务器：面向代码生成技能的大规模搜索引擎
🧭 Agent 技能检索与代码生成增强
Shandong University · Guangzhou University
构建包含 993 个代码生成技能的检索服务器，检索注入可提升 Pass@1 最高 13.91%
📌 工作参考价值（4 点）
- 将可复用能力沉淀为技能库：把营销文案模板、API 调用代码、平台规则等封装成统一 schema 的技能，用 embedding 建立增量索引，Agent 根据 target task 检索注入上下文
- 检索即增强，不依赖微调：实验显示跨模型稳定提升至少 4.21%，可直接将技能检索作为外挂模块，接入现有多模型 pipeline
- 异构来源技能标准化是关键：统一技能描述、触发条件、示例等字段，能提高检索命中率与可复用性
- 评估上关注 Pass@1 提升和跨模型泛化，可作为生成式推荐/Agent 工具检索旁路增强的验证指标
轨迹到差异化技能：自我改进 Agent 的认知分化
🧭 Agent 技能自进化 · 功能分化 ★ 深度解读
University of Science and Technology of China · Meituan · City University of Hong Kong
提出 CDSE 将轨迹提炼为 Meta/Experience/Tool/Script 四类功能分化组件，统一维护与自适应调用，在 36 个评测设置中全面超越既有技能进化方法
📌 工作参考价值（4 点）
- 在构建电商/广告领域的 Agent 技能库时，不要把所有经验写进一个大 prompt 或文档，而是按 Meta/Experience/Tool/Script 拆分；例如商品运营 Agent 中，Meta 管任务规划和停止条件，Experience 管类目/活动上下文的启发规则，Tool 管具体 API 调用注意事项，Script 管可复用的数据清洗/报表脚本。
- 从成功和失败轨迹中提取“语义梯度”时，要求每条更新附带轨迹证据行，先做证据过滤和因果定位，再保留；可借鉴用于自动从客服对话、运营操作日志中挖掘可复用规则，减少无证据的泛泛总结。
- 对可执行脚本类知识引入独立验证和自测，未通过验证不进库；这可以避免自动化流程中错误脚本污染后续任务。
- 采用描述可见的自适应调用：在组件加载前提供简短 scope/触发条件/预期收益描述，让 LLM agent 自主选择何时加载哪个组件；实验表明零加载也能通过描述影响行为，适合在 prompt 预算有限时做渐进式披露。
苏格拉底式技能学习：教学与实践交替习得可迁移 Agent 技能
🧭 Agent 技能获取与迁移学习
Nanjing University · Alibaba Group
通过教学与实践交替学习可复用的 Agent 技能，并构建 SkillTransferBench 验证迁移性
📌 工作参考价值（4 点）
- 将任务过程提炼为可复用 Skill 包（指令 + 可执行资源），而非一次性 prompt，便于跨场景复用；在电商/广告场景可将选品策略、文案生成规则、竞价逻辑封装为 Skill 供多个 Agent 会话调用。
- 采用教学与实践交替：Educator 只提供引导和反馈，Student 作为唯一环境操作者和 Skill 作者，可以质疑、测试并调整建议，这样学到的 Skill 能覆盖边界条件，避免简单模仿成功轨迹带来的过拟合。
- Issue-Guided SSL 通过跟踪未解决问题动态选择回顾内容，大幅降低 token 消耗（Educator tokens 减少 61.7%），适合成本敏感的生产环境；可将类似机制用于内部技能库的维护与更新。
- 构建 SkillTransferBench 的思路值得借鉴：用任务家族变体（不同商品类目、不同 query 模式）作为 held-out 测试，验证技能在全新 solver 会话中的迁移能力，可作为评估自研 Agent 技能泛化性的基准。
SkillSandbox：动态场景合成验证技能可重用性
🧭 自我进化 Agent 技能验证与库管理 ★ 深度解读
Yonsei University
围绕每个技能动态合成新场景，对比有无技能的执行轨迹来验证其可重用性，构建更可靠的技能库
📌 工作参考价值（4 点）
- 把「技能库/策略库入库前验证」从历史任务重放改为动态合成验证场景：针对每个策略/技能的适用条件，用 LLM 生成保留核心约束但改变上下文的新场景，这样能暴露策略是否真正可迁移。对应电商推荐中，可以针对某条 query 改写规则或排序策略，合成不同类目、不同用户意图的模拟请求，验证其泛化性。
- 借鉴 VERIFIER 的三维度打分：executability（策略是否被正确触发并执行）、utility（是否提升成功/转化）、efficiency（是否增加额外步骤/延迟）。在推荐系统里，可以对同一场景跑 A/B（有/无该策略），比较转化率和平均步数，用折扣回报差来量化净收益，过滤掉「看似合理但引入回归」的规则。
- 关注 Recovery 和 Regression 指标：论文强调可靠验证必须同时看新策略解决了多少之前失败的任务，以及是否让原来能成功的任务变失败。在电商推荐或广告策略上线时，除了看整体提升，还要监控对已稳定场景的回归，避免新策略破坏现有效果。
- 验证不依赖更强外部模型：结构化场景构建和固定打分让执行器自身的模型即可完成可靠验证，业务中可用现有服务模型做策略筛选，无需额外引入更贵的模型。
将 Agent 技能编译为扩展有限状态机以提升执行合规性
🧭 Agent 技能编译与工作流执行优化 ★ 深度解读
WorldBuilder013
把技能文档编译为扩展有限状态机，分离知识提示与显式控制流，跨 4 个基准平均提升 16.1 个百分点
📌 工作参考价值（4 点）
- 可将电商/客服/审核/投放等领域的 SOP 或技能文档编译为状态机：状态内放局部 prompt 和工具调用，控制流交给 guard 规则与 runtime，模型不再从长上下文里反复推断下一步，能显著减少步骤遗漏。
- 用变量保存前序结果（商品列表、校验结果、已选类目等），guard 直接基于变量判断分支/循环/终止；模型只负责状态内推理和生成，控制决策边界由程序显式执行，适合流程固化。
- 做增量更新时采用 trace replay 回归：每次根据新轨迹修改状态机，必须重放新旧全部轨迹且通过静态检查才接受，防止新增分支破坏已跑通任务，类似推荐系统里的回归测试。
- 只需用一个强模型编译状态机，即可跨多个执行模型复用，无需按目标模型重新编译；若同时优化技能文本，可以先跑 SkillOpt 再编译，能进一步提分并降低 tokens。
WikiSkill：把 Agent 经验编译为持久知识驱动技能进化
🧭 Agent 技能进化 · 持久知识库协同 ★ 深度解读
Google Research · Virginia Tech
提出 WikiSkill 框架，通过持久 wiki 知识层将 Agent 执行经验持续沉淀为可复用模式，显著提升技能进化效果与跨模型迁移性。
📌 工作参考价值（4 点）
- 可借鉴三层知识架构：把线上推理产生的完整轨迹存成 raw 层，把失败/成功模式沉淀到 wiki 层，把可执行 SOP/工具用法写成 skills 层；电商搜索推荐 Agent 在做 prompt/SOP 自动优化时，可以让知识持续累积而不是每次从零重新扫描。
- 优化阶段限制 Inference Agent 访问 wiki，只允许 Skill Proposer 读取持久知识：直接给执行器 wiki 会让其借道 wiki 绕过 skill，降低轨迹对 skill 优化的信息量；对应工程实现是训练/优化时隔离知识库与线上 agent，只在 proposer 侧使用。
- 用 validation gating + skill-impact.md 审计：每次 skill 变更都在验证集打分，接受才保留，拒绝则回滚 skill 但 wiki 不重置；记录 proposal diff、分数、是否接受，避免重复提交失败方案，适合电商推荐 Agent 的 prompt 自动化调优。
- 跨模型迁移经验：小模型发现的通用工作流可以迁移到大模型、甚至超过后者自进化技能；在预算有限时，可让小模型产出/优化电商搜索的 query 改写或推荐解释 SOP，再部署到大模型，降低 token 成本。
开放世界智能体技能创建：SkillAlchemy
🧭 Agent 技能自动创建与证据准入 ★ 深度解读
Beihang University · Shandong University · Northwestern Polytechnical University
提出基于证据准入的框架，从开放世界材料自动创建可复用 Agent 技能，性能接近人工策划
📌 工作参考价值（4 点）
- 隐式需求挖掘可迁移到 query/对话推荐：用对比探测（替换、边界、邻居）从简短 brief 或用户 query 中挖掘遗漏的操作维度，例如从“7天欧洲旅行”中识别出预算、旅客类型、出行方式等隐含条件，可用于电商领域的 query 补全、推荐策略扩展或对话式需求澄清。
- 证据准入机制防止过拟合到局部案例：区分“通用指令”“局部示例”“排除项”的三分类决策，强制要求跨场景一致性证据才能推广为通用规则。在电商推荐策略生成中，可避免把某个爆款商品的特定操作误认为平台级策略，只保留有跨品类或跨场景支持的通用做法。
- 渐进式技能包组织节省推理上下文：借鉴 skill grammar 和文件分层（核心指令在 SKILL.md，细节放 references/scripts），在构建 Agent 工具库或推荐策略库时，把高频核心逻辑保持精简，低频案例外部化，既能提高加载效率，又降低 token 消耗。
- 对抗性来源鲁棒性可应用于外部数据清洗：论文验证了无关、冲突、对抗性源材料会被现有创建器误吸收，而 SkillAlchemy 通过明确的 admission 记录排除。在从用户评论、市场报告等开放数据提取洞察时，可以借鉴其“支持性+一致性+可复用性”的准入检查，减少噪声污染。
AUSO：从技能内部化到利用的动作级统一技能优化
🧭 Agent RL · 技能内部化与利用 ★ 深度解读
University of Science and Technology of China · University of New South Wales · Independent Researcher · University of Chinese Academy of Sciences · Xi'an Jiaotong-Liverpool University
用 JSD 度量技能对策略动作分布的影响，以动作级信号重加权 GRPO，将技能从外部监督渐进转为按动作收益利用，提升 Agent 泛化
📌 工作参考价值（4 点）
- 用动作级 skill sensitivity 替代轨迹级 skill routing：在电商导购/搜索 Agent 中，检索到的商品知识、query 改写策略或用户记忆通常整条 trajectory 统一使用。可以仿照 AUSO，在同一个 visited state 分别计算“有技能/无技能”的策略分布，用 JSD 得到动作级 sensitivity，再乘 GRPO advantage；只加强有利动作、抑制被技能干扰的动作，且不改变 advantage 符号。
- 对 reward 稀疏、全失败组失效问题，可仅对 success rate=0 的任务组加入 skill-conditioned teacher JSD loss，并用 ramp-up + smooth-decay 退火。这比一直加蒸馏更稳，能让 Agent 从专家技能中恢复而不过度依赖外部监督。
- 在二元成功/失败的 rollout group 中，引入 p(1-p) uncertainty gate 控制动作级 credit assignment；全成功或全失败时门控趋近 0，避免无信息差异的动作被错误加权。该轻量 trick 可直接嵌入现有 GRPO 流程。
- 课程式阶段划分 2:5:3（内部化/探索/利用）可迁移到业务 Agent post-training：先蒸馏已有专家或策略知识，再做自主 RL，最后自适应利用外部工具/skill，尤其对 OOD 流量收益明显。
揭秘 Agent 技能：为何有效，直到失效
🧭 Agent 技能效用与失效机制评估 ★ 深度解读
Princeton University · UC San Diego · Stanford University · University of Southern California · Johns Hopkins University
用 8135 条轨迹的对照分析提出 3 类/12 模式技能效用分类，证明技能主要靠程序锚定而非知识注入
📌 工作参考价值（4 点）
- 在推荐/Agent 系统中，把历史成功/失败轨迹蒸馏成紧凑的程序性技能卡（步骤、检查点、坑位），比直接注入原始 workflow memory 成功率更高；尤其适合环境搭建、输出 schema、服务生命周期等可复用操作，可优先沉淀。
- 检索与执行解耦：skill pool 变大或混淆度高时，离线 top-1 命中率下降但下游成功率未必崩；不要只优化离线命中率，要监控执行时实际调用 ground-truth skill 的 precision/recall，并允许 agent 调用相关但非 ground-truth 的技能。
- 失败模式要显式建模：技能可能被机械套用或忽略（skill_guidance_misapplied 约 10%），而 workflow memory 常见 timeout/budget 过载；建议在技能执行层增加适用性判断、运行时验证与放弃机制。
- 生成技能时保留成功/失败 outcome 标注：一旦轨迹池里混入失败样本，去掉标注会显著掉点；在经验回放 / skill distillation 中应保留结果信号。
SkillEvo：多轮交互反馈驱动的自更新智能体技能进化
🧭 Agent Skill 自进化 · 多轮反馈 ★ 深度解读
Tencent Cloud Andon · Zhejiang University
把多轮用户模拟从评估终点改为反馈生成器，并用独立治理层主动修复知识退化，使技能进化梯度可持续
📌 工作参考价值（4 点）
- 多轮用户模拟不要只当测试集，要做成持续产出“可修复知识缺口”的反馈器：电商客服/导购 Agent 可从真实工单抽取 intent agenda + behavior facts + emotion trajectory，让模拟用户按状态机逐层追问，暴露单轮 QA 看不到的深层缺陷；每轮修复后对话自然进入下一层，梯度可再生。
- 反馈可信度三条件值得照搬：coverage/accuracy/attributability。用 intent state machine 保覆盖，用 dual-sided orthogonal evaluation 区分 simulator 和 agent 责任，用 collective attribution 把失败分成 Knowledge Gap / Capability Limit / Evaluation Noise，只把 Knowledge Gap 送入修订。业务里先归因再改知识库，能避免把权限、工具或评测噪声误写成知识。
- 治理层不要只做标量门禁，要做“结构诊断+主动修复”：对 Skill/知识库做 fact consistency 硬约束（dual anchors 分别抓跨轮知识丢失和本轮新增事实错误）和 structural consistency 软约束（bloat、断链、过度泛化）。RAG 知识库、policy 文档、推荐策略知识库的多轮更新都适用，能明显抑制膨胀和事实漂移。
- 版本选择用 dev 集而不是最终标量分数；自动修订不直接上线，保留 human checkpoint。线上 Agent 知识库或策略库的 closed-loop 更新可以采用同样的工程护栏。
Spark-to-Paper：端到端研究论文生成作为可组合技能
🧭 Agent 可组合技能与长程生成
Vast Intelligence Lab · University of Technology Sydney
在现有编码助手中以13个可组合技能实现端到端论文生成，靠分离规划与报告、确定性校验抑制自我反驳循环
📌 工作参考价值（4 点）
- 在电商/广告实验分析与自动化报告中，借鉴“先定义证据指标，再根据结果生成结论”的模式：把 AB 实验报告、选品实验摘要和推荐效果分析拆成规划阶段与报告阶段，避免 LLM 编造显著性结论。
- 借鉴“确定性校验 + 自我批评”双轨：生成商品推荐理由、搜索词解释或广告文案时，对商品 ID、价格、库存、事实声明做可执行校验（查库/规则），再用 LLM 自评修正，可显著降低幻觉。
- 借鉴可组合技能而非重型多智能体平台：在现有代码助手或工作流引擎内，将选品、query 生成、素材审核等封装成原子技能，便于复用、版本管理与成本控制；该论文给出 13 技能、11.9M tokens、$8.1/次的量化成本参考。
- 注意长链路探索中的“自我反驳循环”：在自动调参、自动选品、策略探索 Agent 中设置目标维持预算和停止条件，当连续实验否定初始目标时切换到确定性审查或终止，防止无限烧 token。
SKILLER：面向小语言模型可复用技能提取的语言级强化学习框架
🧭 Agent 技能生成 · 语言级强化学习 ★ 深度解读
Shanghai Jiao Tong University · Shanghai Artificial Intelligence Laboratory · Harbin Institute of Technology, Shenzhen · Tsinghua Shenzhen International Graduate School, Tsinghua University
用自然语言强化学习为小型 LVLM 自动生成定制化 agent 技能，不更新权重，成本降低 71-167 倍
📌 工作参考价值（4 点）
- 离线用强模型（GPT-5.4）作为 actor/critic，将目标小模型（Qwen3.5-9B/4B）的 agent loop 当作环境，通过可验证 reward 迭代优化 prompt/skill，线上只部署小模型，大幅降低推理成本。在电商客服、推荐解释生成等场景可直接复用此离线优化范式。
- 将复杂多步推理流程固化到确定性脚本/工具中，skill 只负责调用和异常处理，避免小模型上下文过长、步骤遗漏或幻觉。对应推荐系统可将商品特征处理、规则过滤放在外部服务，LLM 只做轻量决策。
- 语言级 policy iteration 的 critic 定位最早因果错误并生成有界编辑（INSERT/REPLACE/CREATE/DELETE），actor 实施局部更新并保留有效内容，防止灾难性遗忘。可用于 prompt 迭代优化：从失败 case 诊断原因，局部修改 prompt 而非全量重写。
- 成本-性能权衡：SKILLER 生成技能成本约 $8.95，低于 SkillX $14.55 且性能更高；相比闭源部署成本低 71-167 倍。提示在预算有限时，针对 executor 定制 prompt 比盲目堆大模型更高效。
SKT：通过验证合成数据训练语言模型使用Agent技能
🧭 Agent技能合成数据训练 ★ 深度解读
Shanghai Artificial Intelligence Laboratory
提出SKT数据合成流水线，通过多阶段验证生成可执行任务与忠实轨迹，SFT后模型技能利用率显著提升。
📌 工作参考价值（4 点）
- 技能化业务逻辑：将电商搜索/推荐中的查询改写、过滤规则、策略编排等模块封装为“Skill”，用SKT流水线自动生成大量可验证任务与执行轨迹，训练模型掌握这些原子操作及组合使用。
- 验证驱动的数据质量：借鉴其规则验证器+代理验证器+难度控制的多层验证框架，尤其技能依赖性检查（有技能 vs. 无技能评分差），确保合成数据的正确性和技能依赖性，避免低质量数据损害模型原有能力。
- 跨工具框架复用：混合来自不同Agent harness（如DeepAgents、OpenCode）的轨迹训练单一模型，可实现一个模型在多种交互协议（如REST/WebSocket、自建Agent框架）上复用，降低多端维护成本。
- 技能覆盖与扩展性：SFT收益随训练技能池规模单调上升，可规划技能库的增量扩展路线，通过持续合成更多技能数据逐步提升模型的复合技能使用能力。
SkillCorpus：整合与评估开放技能生态以助力现实世界LLM智能体
🧭 Agent 技能生态聚合与端到端评估 ★ 深度解读
EverMind · Shanda Group · Peking University
将82万社区技能文件策展为9.6万高质量语料，并在三个真实Agent基准上实现一致增益（最高+13.4pp），揭示覆盖与Harness边界
📌 工作参考价值（4 点）
- 技能库构建与质量控制：多阶段策展流水线（结构过滤→语义去重→LLM三面评分→安全/许可硬门）可直接用于构建内部工具或知识库，尤其安全硬门（命令注入、越权等）对生产环境至关重要。
- 检索增强代理设计：微调嵌入+重排序+LLM终选器的三层检索栈，可借鉴至推荐系统中的工具检索或营销话术生成；按任务域自适应选择技能类别，提升相关性。
- Harness能力决定技能兑现：实验表明同一组技能在不同Agent框架（Raven vs OpenClaw）下增益相差近3倍，提示在选型或自研Agent时需关注执行闭环（如自动验证-修复循环）以最大化外部知识收益。
- 覆盖驱动增益，泛化靠生成：增益与技能覆盖强相关（r≈0.35），缺失领域增益为零但不反损；当业务领域技能稀疏时，可考虑自动生成或自我演化补充，而非仅优化检索。
多模态资源蒸馏：为软件智能体构建可执行技能库
🧭 多模态技能蒸馏与智能体执行
Microsoft Research · University of California, Santa Cruz · Shanghai Jiao Tong University
从视频、代码、文章等资源蒸馏可执行技能，以层次化多模态技能维基提升智能体在7个创作领域的表现，平均总分提升11.9个百分点
📌 工作参考价值（4 点）
- Agent 技能库构建范式：在电商场景中，可将商品详情页生成、广告创意制作、活动页面搭建等重复性任务拆解为技能，从现有的视频教程、设计模板、代码仓库等多模态资源中自动蒸馏出可执行技能，而非手工编写。
- 多模态技能表示 trick：每个技能条目同时包含结构化文本（步骤描述）、代码片段（可执行工具调用）、视觉示例（关键帧截图）和元数据，这种多信号互补的设计能显著提升 Agent 对操作流程的理解和生成质量，值得在涉及视觉/交互的任务中借鉴。
- 层次化组织与按需检索：技能库采用树状层次结构，Agent 在推理时根据任务目标动态检索并组合子技能；当现有技能覆盖不足时，还能在线从资源中实时获取新技能——这种“存量+增量”的机制可迁移到需要持续扩展能力的电商 Agent 系统中。
- 消融实验结论复用：多模态格式、层次组织、多源资源、选择策略和在线获取都对性能有显著增益，说明在构建类似的 Agent 技能系统时，这些组件都有必要保留。
超越文本的智能体技能：引入视觉先验实现可复用多模态技能
🧭 Agent 多模态视觉技能复用 ★ 深度解读
Peking University · University of Wisconsin · MIT-IBM Watson AI Lab
指出纯文本技能在视觉任务中存在空间信息瓶颈，提出结合文本规则与视觉先验的可复用多模态技能范式 VISUALSKILL 及自动生成流水线 AutoVisualSkill。
📌 工作参考价值（4 点）
- GUI 自动化与电商平台操作：将常用控件的空间布局、点击区域等制作为静态视觉先验（如按钮模板、热区图），与文本规则绑定，可显著提升 Agent 在网页/App 上的定位精度，类似思路可用于商品页面自动化测试、数据采集。
- 密集计数与货架管理：在库存盘点、货架商品计数等场景，采用动态视觉锚点将已计数对象做可视化标记并反馈给模型，形成外部空间工作记忆，有效减少重复计和漏计。
- 可复用技能库构建：借鉴 VISUALSKILL 的分离式设计，将业务规则（文本）与视觉参考（截图、布局原型）打包为可检索、可组合的技能单元，降低对新模型的尺寸敏感度，方便技能跨任务迁移。
- 自动技能生成流水线：AutoVisualSkill 的诊断门控和双轨生成方法可用于自动判断任务是否需要视觉支撑，并将少量示例转化为通用视觉协议，适合大规模构建面向电商运营、广告设计等视觉密集型任务的 Agent 技能库。
从原始经验到技能消费：模型生成Agent技能的全生命周期系统研究
🧭 Agent技能生命周期分析与效用评估 ★ 深度解读
Fudan University · Microsoft Research · Shanghai Jiao Tong University
系统评估模型生成领域技能全生命周期，揭示技能效用模式并提出元技能引导改善提取质量。
📌 工作参考价值（4 点）
- 技能评估应引入效用导向指标（提取效力EE、目标可进化性TE），替代纯文本质量判断，避免因表面流畅性选择实际有害的技能。
- 经验池中成功与失败轨迹的混合比例显著影响技能质量，应根据任务类型定向调控——多步推理类任务可适度增加失败样例，避免纯成功池造成过拟合。
- 避免直接让LLM以“可读性”筛选技能，而是基于验证过的维度（如失败机制编码、可操作具体性、高风险操作黑名单）设计引导提示，用元技能先验提升提取的实战收益。
- 技能在跨模型复用时表现差异大，消费方需进行小规模适配测试，电商/推荐Agent中应评估技能对不同基座模型的适用性，避免负迁移。
SkillOpt：智能体技能的自进化优化执行策略
🧭 Agent 技能优化 · 文本空间训练 ★ 深度解读
Microsoft · Shanghai Jiao Tong University · Tongji University · Fudan University
第一个系统性的可控文本空间优化器，将有界编辑、拒绝缓冲等引入技能训练，在52项测试中全部最佳。
📌 工作参考价值（4 点）
- 将技能优化视为带约束的文本训练过程：借鉴学习率（编辑预算）、验证集门控、负反馈缓冲区等概念，可在电商 Agent 的技能迭代中引入类似控制，避免无监督改写导致的退化。
- 离线优化、零部署成本：SkillOpt 只在高能力优化器上训练一次，导出紧凑的 best_skill.md（<2k tokens），部署时无额外推理开销。电商场景中可用这种模式批量生产领域技能，大幅降低在线 Agent 的推理成本。
- 技能跨模型和执行环境迁移：实验证明优化技能可跨模型规模、跨工具链（Codex ↔ Claude Code）甚至跨任务转移。这对构建可复用的电商领域技能库很有启发：一个技能可用于多个相关任务或不同能力模型。
- 拒绝编辑缓冲提供负反馈学习：类似训练中保留失败样本以指导后续更新，可借鉴到推荐系统或 Agent 的在线学习环节，利用用户反馈的负面信号修正策略。
SkillsVote：Agent 技能生命周期治理框架
🧭 Agent 技能生命周期管理与受控进化 ★ 深度解读
MemTensor (Shanghai) Technology
将 Agent 技能视为生命周期制品，通过归因控制实现从采集、推荐到进化的闭环，提升长期任务表现。
📌 工作参考价值（4 点）
- 技能库的质量治理：对技能进行环境需求、质量、可验证性 profiling，只允许通过验证的技能进入推荐池，避免低质量技能污染上下文。电商知识库或工具库可借鉴相似准入设计。
- 任务前技能精炼：不将全量技能直接暴露给 agent，而是通过一次 agentic search 生成精简的技能集与使用指南，降低无关上下文的干扰。类似在 RAG 中，用轻量 agent 先检索、再压缩后再送入主模型。
- 执行后归因与证据门控：将长轨迹按子任务切分，区分结果是由技能引导、自主探索还是环境因素导致，仅将可复用的成功探索用于技能库更新。对于电商多步 Agent 的对话/操作日志，可借此提取高置信度经验并避免误更新。
- 离线 + 在线进化组合：先用历史任务构建冷启动技能库，再在新任务流中在线增量进化。生成式推荐系统中，可先用离线数据训练初始知识库（如促销规则），再通过线上反馈受控扩展。