AI guides

谷歌重磅发布WikiSkill,技能可以自己进化了!

By Google Research团队0 viewsSource: Datawhale
谷歌重磅发布WikiSkill,技能可以自己进化了!

一个 Agent 到底凭什么越来越强?有人靠更大的模型,有人靠更多数据。就在前天,Google Research 最新发布的 WikiSkill 给出了另一条答案:给 Agent 搭一套三层知识架构,让技能自己进化。

The full text has not been translated yet. The Chinese original is shown below.

一个 Agent 到底凭什么越来越强?有人靠更大的模型,有人靠更多数据。就在前天,Google Research 最新发布的 WikiSkill 给出了另一条答案:给 Agent 搭一套三层知识架构,让技能自己进化。

文章配图

论文链接:https://arxiv.org/abs/2608.27454

这套架构的核心是把"经验"和"知识"分开。以前的技能进化方法(EvoSkill、Trace2Skill、SkillOpt)分析完执行轨迹就直接改 Skill,经验用一次就丢。WikiSkill 在中间加了一层持久知识库,让经验先沉淀、再复用。

文章配图

一、三层架构:把经验、知识和技能分开

第一层 Raw Layer:保留原始轨迹,给进化留下事实依据

Raw Layer 存储每次迭代的执行轨迹,包括 Agent 的完整推理过程、工具调用、输出结果。这一层不可变,目的是保留"到底发生了什么"的原始记录。

为什么单独存一层?因为后续两层都需要回溯原始轨迹来分析问题。Wiki Maintainer 要从中提取成功和失败模式,Skill Proposer 要按需查阅具体任务是怎么执行的。如果原始数据被覆盖或丢失,整个进化过程就失去了事实基础。

第二层 Wiki Layer:让一次性经验变成可复用知识

Wiki Layer 是整个架构的核心。它把原始轨迹编译成结构化知识,跨迭代持续积累。包含三个部分:

  • patterns/:每个模式一个 markdown 文件,记录具体的失败原因或成功策略,带可操作的修复方案
  • logs.md:进化日志,按迭代记录发现了什么、改了什么
  • skill-impact.md:哪些 Skill 改动被接受、哪些被拒绝,带完整 diff

这一层有两个关键设计。

第一,Wiki 永不回滚。Skill 被拒绝时,Skills Layer 回到上一版本,但 Wiki 保留所有积累的知识。下一轮 Proposer 能看到"上次这个改法为什么被拒",避免重复踩坑。

第二,Knowledge 和 Skill 分离。知识回答"我们知道什么",技能回答"我们该怎么做"。以前的方法把两者混在一起,改技能时丢失了背后的推理上下文。WikiSkill 让知识持续积累,技能从知识里生长。

第三层 Skills Layer:可执行技能,带溯源

Skills Layer 是当前生效的技能集合。每个技能目录有两个文件:

  • SKILL.md:技能内容,Agent 执行任务时直接读取
  • PURPOSE.md:记录这个技能是为了解决 Wiki 里的哪个 Pattern 而创建的

PURPOSE.md 解决的是"这个技能为什么存在"的问题。当技能需要修改时,Proposer 可以通过 PURPOSE.md 回溯到对应的知识模式,理解当初的设计意图,而不是盲目地打补丁。

二、进化循环:从执行轨迹到 Skill 更新

每轮迭代跑四步:

1. Inference Agent:用当前 Skill 在训练集上跑 rollout,产出轨迹到 Raw Layer。训练时不能访问 Wiki,否则 Agent 会直接查答案,导致轨迹失去参考价值。

2. Wiki Maintainer:分析采样后的成功和失败轨迹,做根因分析,更新 Wiki 的 Pattern 目录和日志。

3. Skill Proposer:以 ReAct 方式读 Wiki 索引、查 skill-impact 历史、按需读具体 Pattern 页面和轨迹,然后提出一次 Skill 创建或补丁。

4. Gating:在验证集上评估候选 Skill,分数提升就接受,否则回滚。Wiki 不受影响。

这个循环的关键是第二步和第三步的配合。Wiki Maintainer 把零散轨迹编译成结构化知识,Skill Proposer 从结构化知识里生成技能更新。没有 Wiki 层,Proposer 每次都在从零开始分析原始轨迹。

三、实验结果:9B 加 Skill,超过 27B 裸模型

文章配图

在五个基准、五个模型上的实验结果:

技能进化与模型规模互补。 Qwen 家族内,WikiSkill 带来的提升随模型规模递增:4B +12.3 分,9B +17.5 分,27B +23.9 分。越强的模型从技能进化中获益越多。

技能可以弥补规模差距。 Qwen-3.5-9B + WikiSkill 平均 47.4%,超过 Qwen-3.6-27B 无技能时的 39.4%。9B 加 Skill 超越 27B 裸模型。

技能跨模型家族迁移。 Qwen-3.5-9B 用 Qwen-3.6-27B 进化的技能达到 70.2%,用它自己的技能只有 63.4%。这说明"发现策略"和"执行策略"是两种能力,可以跨模型分工。

消融实验确认 Wiki 的价值。 去掉 Wiki 访问后,平均分从 63.7% 降至 48.7%,回落约 15 个百分点。Wiki Maintainer 积累的跨迭代知识是 Skill Proposer 能解决复杂失败模式的前提。

文章配图

写在最后:Agent 持续变强,靠的不只是更大的模型

WikiSkill 的贡献不是一个新算法,是一个架构设计:把经验、知识、技能分成三层,让知识在中间持续积累,技能从知识里生长出来。

对做 Agent 的人来说,这意味着别再只盯着模型规模和 prompt 调优。搭一套三层知识架构,让经验沉淀为知识,让知识指导进化,才是 Agent 能持续变强的底层逻辑。

文章来自于"Datawhale",作者 "Google Research团队"。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)