// Apprentissage continu à partir de l'expérience et des compétences // Les compétences sont très utiles lorsque vous les combinez correctement avec MCP et CLIs. J'ai constaté que les compétences peuvent améliorer de manière significative l'utilisation des outils de mes agents de codage. La meilleure façon de les améliorer est de documenter régulièrement les améliorations, les modèles et les choses à éviter. Les compétences d'auto-amélioration ne fonctionnent pas encore très bien. Découvrez cet article connexe sur le sujet : Il introduit XSkill, un cadre d'apprentissage continu à double flux. Les agents distillent deux types de connaissances réutilisables à partir des trajectoires passées : des expériences pour la sélection d'outils au niveau de l'action, et des compétences pour la planification et les flux de travail au niveau des tâches. Les deux sont ancrés dans des observations visuelles. Lors de l'accumulation, les agents comparent les déploiements réussis et échoués via une critique croisée des déploiements pour extraire des connaissances de haute qualité. Lors de l'inférence, ils récupèrent et adaptent des expériences et des compétences pertinentes au contexte visuel actuel. Évalué sur cinq benchmarks avec quatre modèles de base, XSkill surpasse systématiquement les références. Sur Gemini-3-Flash, le taux de réussite moyen passe de 33,6 % à 40,3 %. Les compétences réduisent les erreurs globales des outils de 29,9 % à 16,3 %. Les agents qui accumulent et réutilisent des connaissances de leurs propres trajectoires s'améliorent au fil du temps sans mises à jour de paramètres. J'ai maintenant vu deux articles cette semaine avec des idées similaires. Article : Apprenez à construire des agents IA efficaces dans notre académie :