Aprendizado Contínuo a partir da Experiência e das Habilidades // As habilidades são muito boas quando você as combina direito com MCP e CLIs. Percebi que o Skills pode melhorar significativamente o uso das ferramentas dos meus agentes de programação. A melhor forma de melhorá-los é documentar regularmente melhorias, padrões e coisas a evitar. Habilidades de autoaperfeiçoamento ainda não funcionam tão bem (ainda). Confira este artigo relacionado sobre o tema: Ele introduz o XSkill, um framework de aprendizado contínuo de fluxo duplo. Os agentes extraem dois tipos de conhecimento reutilizável de trajetórias passadas: experiências para seleção de ferramentas em nível de ação e habilidades para planejamento e fluxos de trabalho em nível de tarefa. Ambos são fundamentados em observações visuais. Durante a acumulação, os agentes comparam lançamentos bem-sucedidos e fracassados por meio de críticas cruzadas para extrair conhecimento de alta qualidade. Durante a inferência, eles recuperam e adaptam experiências e habilidades relevantes ao contexto visual atual. Avaliado em cinco benchmarks com quatro modelos backbone, o XSkill supera consistentemente as linhas base. No Gemini-3-Flash, a taxa média de sucesso sobe de 33,6% para 40,3%. As habilidades reduzem os erros gerais de ferramentas de 29,9% para 16,3%. Agentes que acumulam e reutilizam conhecimento de suas próprias trajetórias melhoram com o tempo sem atualizações de parâmetros. Já vi dois artigos esta semana com ideias semelhantes. Papel: Aprenda a construir agentes de IA eficazes em nossa academia: