Саморазвивающаяся структура для открытия и улучшения навыков агентов. Большинство навыков агентов, которые я вижу сегодня, созданы вручную или плохо спроектированы агентом. Мультиагентные системы для создания навыков выглядят многообещающе. В этой статье представлена EvoSkill, саморазвивающаяся структура, которая автоматически открывает и улучшает навыки агентов через итеративный анализ неудач. EvoSkill анализирует сбои выполнения, предлагает новые навыки или редактирует существующие и материализует их в структурированные, многоразовые папки навыков. Три сотрудничающих агента управляют всем процессом. Исполнитель, который выполняет задачи, Предложитель, который диагностирует сбои, и Создатель навыков, который создает конкретные папки навыков. Параметрическая граница управляет выбором, сохраняя только те навыки, которые улучшают производительность валидации, при этом удерживая основную модель замороженной. На OfficeQA EvoSkill улучшает Claude Code с Opus 4.5 с 60.6% до 67.9% точности совпадения. На SealQA он дает прирост в 12.1%. Навыки, развившиеся на SealQA, передаются без обучения на BrowseComp, улучшая точность на 5.3% без модификации. Я буду продолжать внимательно следить за этой линией исследований. Я думаю, это действительно важно. Статья: Учитесь создавать эффективных AI-агентов в нашей академии: