Kontinuerligt lärande från erfarenhet och färdigheter // Färdigheter är så bra när du kombinerar dem på rätt sätt med MCP och CLIs. Jag har upptäckt att Skills kan förbättra verktygsanvändningen avsevärt för mina kodningsagenter. Det bästa sättet att förbättra dem är att regelbundet dokumentera förbättringar, mönster och saker att undvika. Självförbättrande färdigheter fungerar inte så bra (ännu). Kolla in denna relaterade artikel om ämnet: Det introducerar XSkill, ett ramverk för kontinuerligt lärande med två strömmar. Agenter destillerar två typer av återanvändbar kunskap från tidigare banor: erfarenheter för val av verktyg på åtgärdsnivå och färdigheter för planering och arbetsflöden på uppgiftsnivå. Båda är grundade i visuella observationer. Under ackumulering jämför agenter lyckade och misslyckade utrullningar via cross-rollout-kritik för att extrahera högkvalitativ kunskap. Under inferensen hämtar och anpassar de relevanta erfarenheter och färdigheter till det aktuella visuella sammanhanget. Utvärderad över fem benchmarks med fyra ryggradsmodeller överträffar XSkill konsekvent baslinjerna. På Gemini-3-Flash hoppar den genomsnittliga framgångsgraden från 33,6 % till 40,3 %. Färdigheter minskar de totala verktygsfelen från 29,9 % till 16,3 %. Agenter som samlar på sig och återanvänder kunskap från sina egna banor blir bättre över tid utan parameteruppdateringar. Jag har nu sett två artiklar den här veckan med liknande idéer. Papper: Lär dig att bygga effektiva AI-agenter i vår akademi: