Învățare continuă din experiență și abilități // Abilitățile sunt atât de bune când le combini corect cu MCP și CLI-uri. Am descoperit că Skills poate îmbunătăți semnificativ utilizarea uneltelor a agenților mei de programare. Cel mai bun mod de a le îmbunătăți este să documentezi regulat îmbunătățirile, tiparele și lucrurile de evitat. Abilitățile de auto-îmbunătățire nu funcționează prea bine (încă). Consultați această lucrare conexă pe această temă: Introduce XSkill, un cadru de învățare continuă cu două fluxuri. Agenții extrag două tipuri de cunoștințe reutilizabile din traiectorii anterioare: experiențe pentru selecția uneltelor la nivel de acțiune și abilități pentru planificarea și fluxurile de lucru la nivel de sarcină. Ambele se bazează pe observații vizuale. În timpul acumulării, agenții compară implementările de succes și cele eșuate prin critici cross-rollout pentru a extrage cunoștințe de înaltă calitate. În timpul inferenței, recuperează și adaptează experiențe și abilități relevante pentru contextul vizual actual. Evaluat în cinci benchmark-uri cu patru modele backbone, XSkill depășește constant liniile de bază. La Gemini-3-Flash, rata medie de succes crește de la 33,6% la 40,3%. Abilitățile reduc erorile generale ale uneltelor de la 29,9% la 16,3%. Agenții care acumulează și reutilizează cunoștințe din propriile traiectorii devin mai buni în timp, fără actualizări de parametri. Am văzut acum două lucrări săptămâna aceasta cu idei similare. Hârtie: Învață să construiești agenți AI eficienți în academia noastră: